Back to chapter

1.6:

Korrelation und Ursachen

JoVE Core
Biology
A subscription to JoVE is required to view this content.  Sign in or start your free trial.
JoVE Core Biology
Correlation and Causation

Languages

Share

Die Ergebnisse eines Experiments legen möglicherweise nahe, dass die unabhängigen und abhängigen Variablen in Beziehung zueinander stehen. Die Beziehung zwischen Variablen, die Korrelation, kann positiv sein, beide Variablen nehmen zusammen zu oder ab, oder negativ, eine nimmt zu und die andere ab. Außerdem besteht möglicherweise keine Beziehung zwischen den Variablen. Um festzustellen, ob eine scheinbare Korrelation einen direkten Zusammenhang zwischen Ursache und Wirkung und einem Kausalzusammenhang widerspiegelt, müssen zusätzliche Kontrollexperimente durchgeführt werden. Ein Beispiel: Wenn ein Forscher die Ursache für den Schwanzverlust in fünf verschiedenen Geckopopulationen ermitteln möchte und eine Abnahme der Anzahl von Geckos ohne Schwanz feststellt, wenn die Anzahl von parasitären Krähenzecken zunimmt, wäre dies eine negative Korrelation. Und man könnte daraus schließen, dass der Krähenparasit bei Geckos nicht direkt einen Schwanzverlust verursacht. Wenn der Forscher jedoch die Anzahl der Krähen an jeder Position gezählt hätte, hätte er möglicherweise eine positive Korrelation zwischen der Anzahl der Krähen und der Anzahl der schwanzlosen Geckos gefunden und nachdem er den Mageninhalt der Krähen untersucht hätte, hätte er auch die fehlenden Geckoschwänze gefunden. Daher bestimmte die Anzahl der Krähen direkt die Anzahl der von Geckos verlorenen Schwänze. Kausalität

1.6:

Korrelation und Ursachen

Überblick

Statistische Tests können ermitteln, ob zwischen unabhängigen und abhängigen Variablen eine Beziehung bzw. Korrelation besteht. Eine indirekte Beziehung der Variablen bedeutet eine Korrelation, während eine direkte Beziehung eine Kausalität widerspiegelt. Wird festgestellt, dass kein Zusammenhang zwischen den Variablen besteht, so ist die Korrelation ein bloßer Zufall.

Korrelation versus Kausalität

Wenn die abhängige Variable ansteigt oder absinkt, während sich der Wert der unabhängigen Variable erhöht, besteht eine positive bzw. negative Korrelation zwischen den beiden Variablen. Wenn diese Beziehung indirekt ist, so ist sie auf eine Korrelation zurückzuführen. Eine direkte Beziehung bedeutet das eine Kausalität besteht.

Ein Forscher möchte beispielsweise die Ursache für den Schwanzverlust in fünf verschiedenen Gecko-Populationen ermitteln. Wenn dabei eine negative Beziehung zwischen der Anzahl der Geckos ohne Schwanz und der Anzahl von parasitären Zecken die Krähen befallen fest gestellt wird, deutet dies auf eine negative Korrelation hin, die darauf hinweist, dass der Krähenparasit nicht direkt den Schwanzverlust der Geckos verursacht.

Wenn jedoch die Krähen in der Nähe der einzelnen Gecko-Populationen gezählt worden wären, hätte man vielleicht eine positive Korrelation zwischen der Anzahl der Krähen und der Anzahl der schwanzlosen Geckos feststellen können. Wenn nach der Untersuchung des Mageninhalts der Krähen’ die fehlenden Geckoschwänze gefunden worden wären, hätte die Anzahl der Krähen direkt die Anzahl der verlorenen Geckoschwänze bestimmt, was auf eine Ursache hindeutet. Wenn die Geckoschwänze nicht in den Mägen der Krähen gefunden worden wären, wäre die Korrelation zufällig.

Wichtig ist, dass in diesem Beispiel eine negative Korrelation zwischen der Anzahl der Krähen und der Anzahl der parasitären Krähen-Zecken besteht. Tatsächlich wird die Anzahl der Krähenparasiten mit zunehmender Anzahl der Krähen zunehmen, was eine positive Korrelation ergibt. In diesem Szenario wäre die Anzahl der Krähenzecken auch positiv mit der Anzahl der schwanzlosen Eidechsen korreliert. Im Gegensatz zu der Beziehung zwischen den Populationen der Krähen und schwanzlosen Eidechsen ist die Anzahl der Zecken und der schwanzlosen Eidechsen jedoch nicht ursächlich bzw. kausal miteinander verbunden.