Scheinkorrelation
Scheinkorrelation (englisch spurious relationship) bezeichnet eine Korrelation (Übereinstimmung oder Entsprechung) zwischen zwei Größen, der kein Kausalzusammenhang, sondern nur eine zufällige oder indirekte Beziehung zu Grunde liegt.
Der deutsche Begriff ist missverständlich, da eigentlich Scheinkausalität gemeint ist. Denn es liegt nicht nur scheinbar, sondern tatsächlich eine Korrelation vor (aber eben keine Kausalität; zur Abgrenzung der Konzepte siehe: Korrelation und Kausalzusammenhang). Ohnehin ist eine Korrelation ein statistischer Begriff, der weder Kausalität impliziert, noch von ihr impliziert wird.
Scheinkorrelation ist die statistische Entsprechung des in der Philosophie betrachteten Fehlschlusses Cum hoc ergo propter hoc (gemeinsames Auftreten impliziert keine Kausalität oder englisch correlation, not causation).
Eine Scheinkorrelation kommt z. B. vor, wenn konfundierende Variablen (Störvariablen) oder andere intervenierende Variablen einen Einfluss haben. Das Phänomen ist seit den Anfängen der Statistik bekannt; der Begriff spurious correlation wurde 1954 von Herbert A. Simon geprägt.
Beispiel
Ein bekanntes Beispiel ist die Korrelation zwischen der menschlichen Geburtenrate und der Zahl der Storchenpaare in verschiedenen europäischen Regionen.[1] Obwohl es eine Korrelation zwischen der Zahl der Geburten und der Zahl der Storchenpaare gibt (d. h. mehr Geburten, und gleichzeitig mehr Storchenpaare), gibt es keinen kausalen Zusammenhang (die falsche Schlussfolgerung, dass die Kinder vom Storch gebracht werden). Die Korrelation zwischen Geburten und Storchpaaren ergibt sich daraus, dass in ländlichen Regionen mehr Störche nisten und tendenziell auch mehr Kinder pro Paar geboren werden. Das Beispiel der Scheinkorrelation zwischen Störchen und der Geburt von Babys wurde von Jerzy Neyman (1952) vorgebracht.[2] Gegeben die Zahl der Frauen Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle X} , Zahl der Geburten von Babys , und die Zahl der Störche Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle Z} , so können die Raten und Fehler beim Parsen (Konvertierungsfehler. Der Server („https://wikimedia.org/api/rest_“) hat berichtet: „Cannot get mml. Server problem.“): {\displaystyle r_{2}=Z/X} berechnet werden. Zieht man nun unabhängig verteilte Stichproben der Zufallsvariablen und korreliert die Raten und erhält man aufgrund des gemeinsamen Nenners eine Scheinkorrelation.
Scheinregression
Die Scheinregression ist ein Spezialfall der Regression, bei der ein statistisch signifikanter Zusammenhang zwischen einer Variablen Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle Y_t} und einer Variablen Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle X_t} festgestellt werden kann, der sachlogisch nicht zu begründen ist. Scheinregressionen sind auf einen gemeinsamen Trend in den beteiligten Variablen zurückzuführen. Ein Hinweis auf Scheinregression ist ein hohes Bestimmtheitsmaß Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle R^2} und ein Durbin-Watson-Koeffizient von nahezu Null (hohe positive Autokorrelation erster Ordnung). Darüber hinaus liefert der Dickey-Fuller-Test, insofern dieser eine Zeitreihe als nichtstationär identifiziert, ein Indiz für eine Scheinregression.
Ein Beispiel in den Anwendungen ist das spurious regression problem der Ökonometrie, auf welches Clive W. J. Granger und Paul Newbold 1974 hingewiesen haben, nach dem auch zwei unabhängige Random walks ohne deterministische Trendkomponente (oder andere Formen von stochastischen Prozessen mit Einheitswurzel) korrelieren, obwohl sogar stochastische Unabhängigkeit vorliegt.[3] Genauer formuliert führen solche durch Autokorrelation verursachte Verletzungen der Voraussetzungen eines Regressionsmodells dazu, dass zum Beispiel die Teststatistiken für die Hypothese, dass der Steigungsparameter der Regressionsgeraden gleich Null ist (t-Statistik), mit wachsendem Datenumfang divergieren, also wenn nur genügend Daten erhoben werden, immer ein Zusammenhang festgestellt wird.
Siehe auch
- Big Data
- Cum hoc ergo propter hoc
- Drittvariablenkontrolle
- Interaktionseffekt
- Intervenierende Variable
- Mediatorvariable
- Moderatorvariable
- Störfaktor
Literatur
Allgemeine Literatur
- Günter Bamberg, Franz Baur, Michael Krapp: Statistik. 13. Auflage. Oldenbourg Wissenschaftsverlag, 2007, ISBN 978-3-486-58188-1.
- Udo Kelle: Die Integration qualitativer und quantitativer Methoden in der empirischen Sozialforschung: theoretische Grundlagen und methodologische Konzepte. VS Verlag, 2007, ISBN 978-3-531-15312-4, S. 203.
Originalarbeiten
- Herbert A. Simon: Spurious correlation: a causal interpretation. In: Journal of the American Statistical Association. Vol. 49, 1954, S. 467–479, doi:10.1080/01621459.1954.10483515 JSTOR 2281124.
- Clive W. J. Granger, Paul Newbold: Spurious regressions in econometrics. In: Journal of Econometrics. Nr. 2, 1974, S. 111–120, doi:10.1016/0304-4076(74)90034-7.
Weblinks
- Econometrics at the University of Illinois: Econ 508 - Fall 2007. e-Tutorial 10: Monte Carlo Simulation and Nonlinear Regression
- MaiLab-Video „Korrelation vs. Kausalität“
- Sammlung von Scheinkorrelationen
- spurious-correlations
Einzelnachweise
- ↑ R. Matthews: Storks deliver babies (p= 0.008). In: Teaching Statistics. 22(2), 2000, S. 36–38, doi:10.1111/1467-9639.00013.
- ↑ Gerald van Belle: Statistical Rules of Thumb, Second Edition (= Wiley Series in Probability and Statistics). John Wiley & Sons, Inc., Hoboken, NJ, USA 2008, ISBN 978-0-470-37796-3.
- ↑ Christopher Dougherty: Introduction to Econometrics. 3. Auflage. Oxford University Press, 2007, ISBN 978-0-19-928096-4, S. 388. (Google-Books-Link)
