Die Seite zeigt, dass ein signifikanter Zusammenhang zwischen zwei Variablen x und y allein keine kausale Aussage erlaubt. Dazu werden die vier möglichen Kausalinterpretationen dargestellt und anhand typischer Beispiele veranschaulicht, wie leicht Fehlinterpretationen entstehen können – durch umgekehrte Kausalität, gegenseitige Kausalität oder Scheinkorrelationen.
Wenn man eine signifikante Korrelation zwischen den beiden Variablen x und y gefunden hat, dann sind grundsätzlich die folgenden Kausalinterpretationen möglich:
x → y
x ← y
x ↔ y
Zwischen x und y gibt es nur eine Scheinkorrelation, die durch eine dritte Variable z (Störvariable) hervorgerufen wird. z beeinflusst x und gleichzeitig y kausal.
z → x und z → y
Die zwischen x und y gefundene Korrelation erlaubt für sich genommen keinerlei Schluss darauf, welche der vier möglichen Kausalinterpretationen zutreffend ist.
Erst im Rahmen theoretisch gut begründeter Annahmen und zusätzlicher empirischer Prüfungen lassen sich gültige Kausalinterpretationen entwickeln. Dazu gehört insbesondere das Konstanthalten potenzieller Störvariablen z in experimentellen Designs und/oder das Herauspartialisieren möglicher Störeinflüsse mittels hierarchischer multipler Regressionsanalyse. Erst durch diese ergänzenden Schritte wird aus einem bloßen Zusammenhang eine belastbare kausale Aussage.
Die folgenden Beispiele sollen dazu dienen, die Sensibilität für das Erkennen typischer kausaler Fehlinterpretationen zu verbessern.
Zwischen x und y besteht jeweils eine signifikante Korrelation. Im Mittelpunkt steht dabei die Fehlinterpretation x → y.
In einer Studie mit 100 Städten wurde eine signifikante positive Korrelation zwischen der Polizeipräsenz x und der Kriminalität y gefunden.
Die Interpretation, dass höhere Polizeipräsenz x zu höherer Kriminalität y führt, ist natürlich Unsinn. Wenn in Städten höhere Kriminalität y auftritt, dann führt das zu erhöhter Polizeipräsenz in diesen Städten.
In einer Studie mit 100 Personen wurde eine signifikante negative Korrelation zwischen der Anzahl der Arztbesuche x und der Gesundheit y gefunden.
Die Interpretation, dass eine höhere Anzahl von Arztbesuchen x zu niedrigerer Gesundheit y führt, ist falsch. Personen, die krank geworden sind, also eine niedrige Gesundheit haben, besuchen in der Folge häufiger den Arzt.
In einer Studie mit 100 Personen wurde eine signifikante positive Korrelation zwischen der sportlichen Aktivität x und der Gesundheit y gefunden.
Die Interpretation, dass höhere sportliche Aktivitäten x zu höherer Gesundheit y führen, ist als Erklärung für den gefundenen Zusammenhang grundsätzlich richtig, aber unvollständig.
Zusätzlich gibt es noch den folgenden kausalen Effekt: Personen, die krank sind, also eine niedrige Gesundheit y haben, wird man eher selten beim Sport x antreffen.
In einer Studie mit 100 Ehepaaren wurde eine signifikante positive Korrelation zwischen dem psychischen Wohlbefinden der Ehemänner x und dem psychischen Wohlbefinden der Ehefrauen y gefunden.
Die Interpretation, dass höheres psychisches Wohlbefinden der Ehemänner x zu höherem psychischen Wohlbefinden der Ehefrauen y kausal beiträgt, ist als Erklärung für den gefundenen Zusammenhang grundsätzlich richtig, aber unvollständig.
Im Rahmen systemtheoretischer Ansätze wird von wechselseitigen Einflüssen innerhalb von Paarbeziehungen ausgegangen. Dementsprechend sollten wir zusätzlich davon ausgehen, dass höheres psychisches Wohlbefinden der Ehefrauen y zu höherem psychischen Wohlbefinden der Ehemänner x kausal beiträgt.
In einer Studie mit 100 Dörfern wurde eine signifikante positive Korrelation zwischen der Anzahl der Storchennester x und der Anzahl der Geburten y gefunden.
Die Interpretation, dass die Störche x die Kinder y bringen, ist selbstverständlich nur humorvoll gemeint und wissenschaftlich unhaltbar.
Die verursachende Störvariable z ist die Ortsgröße der untersuchten Dörfer: Größere Dörfer haben sowohl mehr Storchennester als auch mehr Geburten. Dadurch entsteht ein statistischer Zusammenhang zwischen x und y, ohne dass ein kausaler Einfluss vorliegt.
In einer Studie mit 1000 Kindern wurde eine signifikante positive Korrelation zwischen der Schuhgröße der Kinder x und ihrer Lesekompetenz y gefunden.
Die Interpretation, dass die Schuhgröße der Kinder x die Lesekompetenz y positiv beeinflusst, ist offensichtlich unsinnig.
Die verursachende Störvariable z ist das Alter der untersuchten Kinder: Ältere Kinder haben sowohl größere Schuhgrößen als auch eine höhere Lesekompetenz. Dadurch entsteht ein statistischer Zusammenhang zwischen x und y, ohne dass ein kausaler Einfluss vorliegt.