Einführung in die Psychologie

Korrelationsforschung

Korrelation bedeutet, dass zwischen zwei oder mehr Variablen (z. B. Eiscremekonsum und Kriminalität) eine Beziehung besteht, die jedoch nicht unbedingt Ursache und Wirkung impliziert. Wenn zwei Variablen korreliert sind, bedeutet dies einfach, dass sich eine Variable ändert, die andere auch. Wir können die Korrelation messen, indem wir eine Statistik berechnen, die als Korrelationskoeffizient bekannt ist. Ein Korrelationskoeffizient ist eine Zahl von -1 bis +1, die die Stärke und Richtung der Beziehung zwischen Variablen angibt. Der Korrelationskoeffizient wird normalerweise durch den Buchstaben r dargestellt.

Der Zahlenteil des Korrelationskoeffizienten gibt die Stärke der Beziehung an. Je näher die Zahl an 1 liegt (sei es negativ oder positiv), desto stärker hängen die Variablen zusammen und desto vorhersehbarer sind Änderungen in einer Variablen, wenn sich die andere Variable ändert. Je näher die Zahl an Null liegt, desto schwächer ist die Beziehung und desto weniger vorhersehbar werden die Beziehungen zwischen den Variablen. Zum Beispiel zeigt ein Korrelationskoeffizient von 0,9 eine viel stärkere Beziehung als ein Korrelationskoeffizient von 0,3. Wenn die Variablen überhaupt nicht miteinander in Beziehung stehen, ist der Korrelationskoeffizient 0. Das obige Beispiel über Eiscreme und Kriminalität ist ein Beispiel für zwei Variablen, von denen wir erwarten könnten, dass sie keine Beziehung zueinander haben.

Das Vorzeichen — positiv oder negativ — des Korrelationskoeffizienten gibt die Richtung der Beziehung an (Abbildung 1). Eine positive Korrelation bedeutet, dass sich die Variablen in die gleiche Richtung bewegen. Anders ausgedrückt bedeutet dies, dass eine Variable zunimmt, wenn die andere zunimmt, und umgekehrt, wenn eine Variable abnimmt, auch die andere. Eine negative Korrelation bedeutet, dass sich die Variablen in entgegengesetzte Richtungen bewegen. Wenn zwei Variablen negativ korreliert sind, ist eine Abnahme einer Variablen mit einer Zunahme der anderen verbunden und umgekehrt.Das Beispiel von Eiscreme und Kriminalitätsraten ist eine positive Korrelation, da beide Variablen zunehmen, wenn die Temperaturen wärmer sind. Andere Beispiele für positive Korrelationen sind die Beziehung zwischen der Größe und dem Gewicht einer Person oder die Beziehung zwischen dem Alter einer Person und der Anzahl der Falten. Man könnte erwarten, dass eine negative Korrelation zwischen der Müdigkeit eines Menschen während des Tages und der Anzahl der Stunden, die er in der vergangenen Nacht geschlafen hat, besteht: Die Schlafmenge nimmt mit zunehmendem Müdigkeitsgefühl ab. In einem realen Beispiel für eine negative Korrelation fanden studentische Forscher der University of Minnesota eine schwache negative Korrelation (r = -0.29) zwischen der durchschnittlichen Anzahl von Tagen pro Woche, an denen die Schüler weniger als 5 Stunden Schlaf erhielten, und ihrem GPA (Lowry, Dean, & Manders, 2010). Denken Sie daran, dass eine negative Korrelation nicht dasselbe ist wie keine Korrelation. Zum Beispiel würden wir wahrscheinlich keinen Zusammenhang zwischen Schlafstunden und Schuhgröße finden.

Wie bereits erwähnt, haben Korrelationen einen prädiktiven Wert. Stellen Sie sich vor, Sie sind im Zulassungsausschuss einer großen Universität. Sie stehen vor einer Vielzahl von Bewerbungen, können aber nur einen kleinen Prozentsatz des Bewerberpools aufnehmen. Wie können Sie entscheiden, wer zugelassen werden soll? Sie können versuchen, den College-GPA Ihrer aktuellen Schüler mit ihren Ergebnissen bei standardisierten Tests wie SAT oder ACT zu korrelieren. Indem Sie beobachten, welche Korrelationen für Ihre aktuellen Studenten am stärksten waren, können Sie diese Informationen verwenden, um den relativen Erfolg der Studenten vorherzusagen, die sich um die Zulassung zur Universität beworben haben.

Abbildung 1. Streudiagramme sind eine grafische Darstellung der Stärke und Richtung von Korrelationen. Je stärker die Korrelation ist, desto näher sind die Datenpunkte an einer geraden Linie. In diesen Beispielen sehen wir, dass es (a) eine positive Korrelation zwischen Gewicht und Größe gibt, (b) eine negative Korrelation zwischen Müdigkeit und Schlafstunden und (c) keine Korrelation zwischen Schuhgröße und Schlafstunden.

Korrelation zeigt keine Kausalität an

Korrelationsforschung ist nützlich, weil sie es uns ermöglicht, die stärke und Richtung der Beziehungen, die zwischen zwei Variablen bestehen. Die Korrelation ist jedoch begrenzt, da die Feststellung der Existenz einer Beziehung wenig über Ursache und Wirkung aussagt. Während Variablen manchmal korreliert sind, weil eine die andere verursacht, könnte es auch sein, dass ein anderer Faktor, eine verwirrende Variable, tatsächlich die systematische Bewegung in unseren Variablen von Interesse verursacht. In dem zuvor erwähnten Beispiel für Eiscreme / Kriminalitätsrate ist die Temperatur eine Störvariable, die die Beziehung zwischen den beiden Variablen erklären könnte.

Selbst wenn wir nicht auf klare Störvariablen verweisen können, sollten wir nicht davon ausgehen, dass eine Korrelation zwischen zwei Variablen impliziert, dass eine Variable Änderungen in einer anderen verursacht. Dies kann frustrierend sein, wenn eine Ursache-Wirkungs-Beziehung klar und intuitiv erscheint. Denken Sie zurück an unsere Diskussion über die Forschung der American Cancer Society und wie ihre Forschungsprojekte einige der ersten Demonstrationen des Zusammenhangs zwischen Rauchen und Krebs waren. Es scheint vernünftig anzunehmen, dass Rauchen Krebs verursacht, aber wenn wir uns auf Korrelationsforschung beschränken würden, würden wir mit dieser Annahme unsere Grenzen überschreiten.

Leider machen Menschen fälschlicherweise die ganze Zeit Behauptungen über Kausalität als Funktion von Korrelationen. Solche Behauptungen sind besonders häufig in Anzeigen und Nachrichten. Jüngste Untersuchungen haben beispielsweise ergeben, dass Menschen, die regelmäßig Müsli essen, gesündere Gewichte erreichen als diejenigen, die selten Müsli essen (Frantzen, Treviño, Echon, Garcia-Dominic, & DiMarco, 2013; Barton et al., 2005). Raten Sie mal, wie die Getreideunternehmen diesen Befund melden. Führt der Verzehr von Müsli wirklich dazu, dass eine Person ein gesundes Gewicht beibehält, oder gibt es andere mögliche Erklärungen, z. B. dass jemand mit einem gesunden Gewicht häufiger regelmäßig ein gesundes Frühstück zu sich nimmt als jemand, der fettleibig ist, oder jemand, der Mahlzeiten vermeidet, um eine Diät zu machen (Abbildung 2)? Während Korrelationsforschung bei der Identifizierung von Beziehungen zwischen Variablen von unschätzbarem Wert ist, ist eine wesentliche Einschränkung die Unfähigkeit, Kausalität festzustellen. Psychologen wollen Aussagen über Ursache und Wirkung treffen, aber der einzige Weg, dies zu tun, besteht darin, ein Experiment durchzuführen, um eine Forschungsfrage zu beantworten. Im nächsten Abschnitt wird beschrieben, wie wissenschaftliche Experimente Methoden integrieren, die alternative Erklärungen eliminieren oder kontrollieren, mit denen Forscher untersuchen können, wie Änderungen in einer Variablen Änderungen in einer anderen Variablen verursachen.

Abbildung 2. Führt das Essen von Müsli wirklich dazu, dass jemand ein gesundes Gewicht hat? (credit: Tim Skillern)

Illusorische Korrelationen

Die Versuchung, falsche Ursache-Wirkungs-Aussagen auf der Grundlage von Korrelationsforschung zu machen, ist nicht die einzige Möglichkeit, Daten falsch zu interpretieren. Wir neigen auch dazu, den Fehler illusorischer Korrelationen zu machen, insbesondere bei unsystematischen Beobachtungen. Illusorische Korrelationen oder falsche Korrelationen treten auf, wenn Menschen glauben, dass Beziehungen zwischen zwei Dingen bestehen, wenn keine solche Beziehung besteht. Eine bekannte illusorische Korrelation ist der angebliche Effekt, den die Mondphasen auf das menschliche Verhalten haben. Viele Menschen behaupten leidenschaftlich, dass das menschliche Verhalten von der Mondphase beeinflusst wird und dass sich Menschen bei Vollmond seltsam verhalten (Abbildung 3).

Abbildung 3. Viele Menschen glauben, dass ein Vollmond Menschen dazu bringt, sich seltsam zu verhalten. (Kredit: Cory Zanker)

Es ist nicht zu leugnen, dass der Mond einen starken Einfluss auf unseren Planeten ausübt. Ebbe und Flut der Gezeiten des Ozeans sind eng mit den Gravitationskräften des Mondes verbunden. Viele Menschen glauben daher, dass es logisch ist, dass wir auch vom Mond betroffen sind. Schließlich bestehen unsere Körper größtenteils aus Wasser. Eine Metaanalyse von fast 40 Studien zeigte jedoch durchweg, dass die Beziehung zwischen dem Mond und unserem Verhalten nicht existiert (Rotton & Kelly, 1985). Während wir dem seltsamen Verhalten während der vollen Mondphase mehr Aufmerksamkeit schenken können, bleiben die Raten des seltsamen Verhaltens während des gesamten Mondzyklus konstant.

Warum sind wir so geneigt, an illusorische Zusammenhänge wie diese zu glauben? Oft lesen oder hören wir von ihnen und akzeptieren die Informationen einfach als gültig. Oder wir haben eine Ahnung davon, wie etwas funktioniert, und suchen dann nach Beweisen, um diese Vermutung zu stützen, wobei wir Beweise ignorieren, die uns sagen würden, dass unsere Vermutung falsch ist. In anderen Fällen finden wir illusorische Korrelationen basierend auf den Informationen, die uns am leichtesten in den Sinn kommen, auch wenn diese Informationen stark eingeschränkt sind. Und während wir zuversichtlich sind, dass wir diese Beziehungen nutzen können, um die Welt um uns herum besser zu verstehen und vorherzusagen, können illusorische Korrelationen erhebliche Nachteile haben. Untersuchungen legen beispielsweise nahe, dass illusorische Korrelationen — bei denen bestimmte Verhaltensweisen bestimmten Gruppen ungenau zugeordnet werden — an der Bildung von Vorurteilen beteiligt sind, die letztendlich zu diskriminierendem Verhalten führen können (Fiedler, 2004).