Eine statistische Kennzahl, die das Ausmaß und die Richtung der Assoziation oder Abhängigkeit zwischen zwei Variablen in einer Stichprobe oder Population beschreibt; Korrelation quantifiziert, wie Werte einer Variablen mit denen einer anderen variieren, begründet aber nicht allein, dass die Variation der einen Variablen die der anderen verursacht.

Prinzip

Korrelation weist auf statistische Abhängigkeit und potenzielle prädiktive Nutzbarkeit hin, ist jedoch unzureichend für kausale Schlussfolgerungen; sie kann aus direkter Kausalität, Rückwärtskausalität, Confounding, gemeinsamen Trends oder Messstruktur entstehen und bedarf daher weiterer Analysen zur Mechanismusinterpretation.

Demonstration

Illustrierendes Szenario (hypothetisch): Situation — Ein Datensatz zeigt, dass Variable X und Variable Y tendenziell gemeinsam ansteigen. Erkennung — Analysten berechnen einen Korrelationskoeffizienten oder schätzen ein Modell, das die statistische Assoziation zeigt. Handlung — Die Assoziation wird als Ausgangspunkt für weitere Untersuchungen genutzt (z. B. stratifizierte Analysen, Zeitreihenstudien oder prädiktives Modellieren). Folge — Die Korrelation kann zur Hypothesengenerierung oder Vorhersage dienen, rechtfertigt jedoch ohne zusätzliche Evidenz keine kausalen Schlüsse oder Interventionen.

Fehlanwendung

Fehlerhafte Interpretation: Aus Korrelation auf Kausalität schließen. Warum plausibel: Starke oder konsistente Korrelation suggeriert eine Beziehung. Semantischer Fehler: Statistische Assoziation mit kausalem Effekt verwechseln und damit Interventionen oder mechanistische Erklärungen stützen, die die Daten nicht hergeben.

Konsequenz

Korrelation ist nützlich zur Beschreibung von Beziehungen, Auswahl von Prädiktoren und Hypothesengenerierung; die Verwechslung mit Kausalität kann zu schlechten Entscheidungen, ungeeigneten Interventionen und irreführenden Schlüssen führen.

Umkehrung

Korrelation kann erst dann als Evidenz für Kausalität gelten, wenn ergänzende Designs und Analysen (Temporalität, Kontrolle von Confoundern, Mechanismus) eine kausale Interpretation stützen; umgekehrt kann Korrelation nach Konditionierung auf einen Confounder oder bei Änderung der Messskala verschwinden.

Abgrenzung

Eindeutig innerhalb: statistisch signifikante Assoziation zwischen zwei gemessenen Variablen in einem spezifizierten Datensatz, quantifiziert durch einen Korrelationskoeffizienten oder Abhängigkeitsmaß. Randfall: Korrelation in Querschnittsdaten, die Rückwärtskausalität oder Confounding widerspiegeln kann. Eindeutig außerhalb: Kausale Behauptung, dass eine Variable Änderungen in der anderen erzeugt, ohne unterstützende Kausalevidenz.

Semantische Spannung

Spannung zwischen deskriptiven statistischen Zielen (Messen und Zusammenfassen von Assoziation) und kausalen Inferenzzielen (Ursachen feststellen), die unterschiedliche Methoden und Evidenzstandards verlangen.

Synthese

Korrelation ist ein informativer deskriptiver und prädiktiver Indikator, bildet aber eine schwache Grundlage für kausale Behauptungen; ihre kausale Interpretation erfordert explizite Zusatzbelege und Sensitivität gegenüber alternativen Erklärungen.