Kausalität (Korrelation & Regression)
Vložit
- čas přidán 9. 07. 2024
- In diesem Video werden dir die Gemeinsamkeiten und Unterschiede zwischen der Korrelation, Regression und der Kausalität erklärt.
Kausalität bedeutet, dass eine eindeutige Ursache-Wirkungs-Beziehung zwischen zwei Variablen besteht.
Ein häufiger Fehler bei der Interpretation von Statistiken ist, dass bei Vorliegen einer Korrelation auf eine Kausalität geschlossen wird.
Für die Kausalität gibt es zwei Voraussetzungen:
Erstens muss ein signifikanter Zusammenhang bestehen, d. h. eine signifikante Korrelation.
Die zweite Bedingung kann auf zwei Arten erfüllt sein.
Erstens ist sie erfüllt, wenn es eine zeitliche Reihenfolge der Variablen gibt. Die Variable A wurde also zeitlich vor der Variable B erhoben.
Weiterhin kann die zweite Bedingung erfüllt sein, wenn es eine theoretisch begründete und plausible Theorie gibt, in welche Richtung der kausale Zusammenhang geht.
Trifft beides nicht zu, d. h. es gibt weder eine zeitliche Ordnung noch kann die Kausalität durch eine fundierte Theorie begründet werden, dann kann man nur von einer Beziehung, aber niemals von Kausalität sprechen, d. h. es kann nicht gesagt werden, dass Variable A Variable B beeinflusst oder umgekehrt.
Hier geht es zu den Büchern:
datatab.de/tutorial/statistik...
Mehr Information zur Kausalität:
datatab.de/tutorial/kausalität
#Kausalität #Korrelation #Regression
Für alle die Statistik einfach verstehen möchten, unser Buch ist draußen: datatab.de/statistik-buch 🙂
Wow sehr gut erklärt. Lese grade „Schnelles Denken, langsames Denken“ und das Video hat mir als Ergänzung sehr gut geholfen. Allerdings weiß ich immer noch nicht so recht was jetzt der Unterschied zwischen einer Korrelation und einer Regression ist.
Danke! witzig, das lese ich auch gerade : ) Hmm korrelation prüft nur ob es einen Zusammenhang gibt zwischen zwei Variablen. Bei der Regression kann man prüfen, ob mehrere Variablen einen Einfluss auf eine andere Variable haben.
@@datatab Das ist ja wirklich witzig :) achso ok vielen dank
Hallo, lieben Dank für diese verständliche Erklärung! Eure Videos helfen wirklich sehr.
Ich hätte auch noch eine Frage. Ich erhalte für eine unabhängige und die abhängige Variable eine moderate signifikante Korrelation, aber bei der muliplen Regressionsanalyse ist die gleiche unabhängige Variable nicht signifikant. Ich habe gelesen, dass das auf Multikollinearität hindeuten kann, aber das habe ich mittels der VIF-Statistik getestet und die lag nicht vor. Was bedeutet das?
Hi, danke für das gute Video. Ab wann kann ich denn von einer begründeten Theorie sprechen? :) Ich nutze das UTAUT Modell um mir die Aktzeptanz und Nutzung einer Technologie anzuschauen. Sowohl die Autoren des UTAUT, als auch die meisten Papers, welche die gleiche Technologieakzeptanz untersuchen, nutzen gerichtete Hypothesen. Reicht das um eine fundierte Theorie über die Richtungswirkung zu haben? Liebe Grüße
Julia
Hallo Julia, vielen Dank für deine Frage. Das kann ich dir leider so pauschal nicht beantworten, vor allem da ich das UTAUT Modell nicht kenne! Eine gerichtete Hypothese hat aber nicht umbeding was mit Kausalität zu tun. Eine ungerichtete Hypothese ist z.B. "Es gibt einen Zusammenhang zwischen Körpergewicht und Körpergröße", eine gerichtete hypothese wäre: "Es gibt einen postiven/negativen zusammenhang zwischen körpergewicht und Körpergröse". Von kausalität würde man sprechen, wenn Körpergewicht die Körpergröße beeinfluss. Vielleicht hilft das Video weiter: czcams.com/video/BVyAomYugcA/video.html LG Mathias
Danke für das Video, sehr verständlich erklärt! Einen Frage habe ich: wenn ich eine Regression berechnet habe und der Prädiktor signifikant war, aber kein zeitlicher Verlauf untersucht wurde, ist dann folgende Aussage in den Interpretationen zulässig: "X ist prädikativ für Y" ? Da spreche ich dann ja weder direkt von Kausalität noch von Korrelation sondern spreche einfach von den zugrunde liegenden statistischen Annahmen oder? Vielen Dank für eine Antwort!
Vielen Dank für dein Feedback und deine Frage!
Dadurch, dass du eine Variable als Prädiktor und eine Variable als Kriterium definierst, gibst du ja schon eine Richtung vor, diese Richtung sollte dann anhand der Theorie begründet sein.
Wie du richtig sagst, nur dadurch, dass du eine Variable als Prädiktor definiert hast und es ein signifikantes Ergebnis gibt, heißt es noch nicht, dass es eine kausale Beziehung gibt. Wenn ich eine Regression berechne und hierfür den Prädiktor und das Kriterium definiere sollte es aber eine aus der Theorie abgeleitete Beziehung geben.
Ansonsten könnte ich X und Y einfach umdrehen und könnte sagen Y ist auf X prädiktiv.
Ich hoffe das hat dir geholfen!
LG
Mathias
Hier sonst mein Tutorial zu dem Thema: datatab.de/tutorial/kausalit%C3%A4t
@@datatab Danke für die Antwort! Dass ich X als Prädiktor und Y als Kriterium definiert habe, ist aus theoretischen Annahmen abgeleitet. Mir geht es eigentlich vor allem darum, ob es danach zulässig ist in einer wissenschaftlichen Arbeit davon zu sprechen, dass X signifikant Y voraussagt. Also es geht um die konkreten Formulierung und Präsentation von den Ergebnissen
@@julia7846 Naja, dass man davon spricht das x y signifikant voraussagt habe ich ehrlichgesagt noch nicht gehört, dass kann ich dir auf die schnelle nicht beantworten. Ist die Frage was es heißt das eine Vorhersage signifikant ist. In der Regel spricht man davon, ob die Koeffizienten signifikant von Null abweichen oder nicht! Sorry, da kann ich dir auf die Schnelle leider keine zufriedenstellende Antwort geben!