WikiDer > Korrelation
Für andere Bedeutungen als in der Statistik siehe 
Korrelation ist der statistisch Beziehung zwischen zwei Größen. Das können zwei Serien sein Messungen sind, oder mögliche Werte von zwei zufällige Variablen sein. Die Stärke dieser Korrelation wird ausgedrückt in a Korrelationskoeffizient. Wenn da ist linear Korrelation, die Stärke der Korrelation wird normalerweise in expressed ausgedrückt Korrelationskoeffizient des Produktmoments nach Pearson. Wird keine lineare Korrelation erwartet, wird von Speerkämpfer rho oder Kendalls Tau. Korrelation ist kein Beweis für Kausalität, obwohl es ein Hinweis darauf sein kann.
Korrelationsmaß
Der Korrelationsgrad zwischen zwei Variablen wird im Korrelationskoeffizienten ausgedrückt. Sein Wert kann zwischen –1 und 1 variieren. Dabei bedeutet 0: kein linearer Zusammenhang, 1: ein perfekter positiver linearer Zusammenhang und –1: ein perfekter negativer linearer Zusammenhang. Je weiter der Korrelationskoeffizient von 0 entfernt ist, desto stärker ist die Korrelation.
Praktische Bedeutung
Korrelationen können in der Praxis verwendet werden, um Zusammenhänge anzuzeigen und Vorhersagen zu treffen. Beispiele hierfür sind die Korrelation zwischen den Ergebnissen in zwei aufeinanderfolgenden Jahren der CITO-Test in dem Grundschulbildung, und der Zusammenhang zwischen den Preis und der Fragen in dem Wirtschaft. Wenn bekannt ist, dass solche Variablen korreliert sind, kann eine Variable verwendet werden, um die andere vorherzusagen. Für ein Elektrizitätsunternehmen ist es beispielsweise nützlich zu wissen, wie viel Energie wird an einem Tag verwendet, der vorhergesagt werden kann, wenn die Korrelation zwischen Temperatur und Energieverbrauch der Haushalte bekannt.
Ein gewisses Maß an statistischer Korrelation bedeutet jedoch nicht immer, dass es tatsächlich a Kausalität zwischen den beiden Variablen. Besteht kein Grund, einen Zusammenhang zu vermuten (z. B. zwischen Augenfarbe und Kriminalität), bedeutet der Zusammenhang wahrscheinlich nichts. Testet man Korrelationen zwischen Hunderten von Merkmalen, so ist eine von zwanzig untersuchten Relationen statistisch signifikant (bei Tests auf dem 5%-Niveau), wenn die relevante Kohärenz in der Population Stichprobe gezogen wird, existiert nicht.
Auch ein (signifikanter) Zusammenhang deutet nicht auf einen kausalen Zusammenhang hin. Wird eine Korrelation zwischen erhöhtem Aggressivität mit Kindern und der Anzahl der Stunden, die sie fernsehen, ist nicht erwiesen, dass Kinder durch das Fernsehen aggressiv werden. Ebenso ist es möglich, dass Kinder mit einer Prädisposition zur Aggressivität auch häufiger das Fernsehen als Freizeitbeschäftigung wählen oder dass eine dritte Variable (z. soziales Umfeld) ist für den Zusammenhang zwischen Fernsehkonsum und Aggressivität verantwortlich. In diesem Fall gibt es also nur a statistischer Zusammenhang, und nicht ursächlich. Ein klares Beispiel ist die Korrelation zwischen der Entfernung zwischen der Erde und dem Der Halleysche Komet und der Benzinpreis. Dieser Zusammenhang ist sehr stark, und es ist klar, dass es keine Kausalität gibt. In der Statistik sollte eine starke Korrelation niemals ein Grund sein, über eine Kausalität zu spekulieren.
Bekannte Beispiele für solche „Unsinns-Korrelationen“ sind: die starke positive Korrelation zwischen dem Schadensausmaß bei einem Brand und der Anzahl der eingesetzten Feuerwehrleute sowie die positive Korrelation zwischen der Anzahl der in den Niederlanden gesichteten Störche und der Geburtenrate.