Korrelation ↔ Kausalität

mgl. Beziehung zw. korrelierenden Variablen

 

indirekte Beeinflussung über eine weitere Variable

 

…auch hier sind alle o.g. Richtungen möglich.

 

…auch kompliziertere Verknüpfungen denkbar.

 

Nur selten als Monokausalkette.
Korrelation (lat.: correlatio = "Wechselbeziehung") heißt nicht Kausalität (lat. causa "Ursache"). Wer diesen grundlegenden Unterschied verstanden hat, sieht die Welt der Nachrichten mit anderen Augen. Denn Journalisten machen häufig genau diesen Fehler zugunsten von reißerischen Nachrichtenmeldungen, den Unterschied zwischen einer möglicherweise zufälligen Korrelation und einem kausalen Zusammenhang gleichzusetzen. Wer diese Taktik durchschaut, findet in den Meldungen häufig etwas zum Schmunzeln.

Was ist Korrelation?

Von Korrelation spricht man, wenn sich zwei Variablen bzw. Datensätze "ähnlich verhalten". Dies bedeutet aber NICHT, dass zwischen den Variablen zwingend ein kausaler Zusammenhang besteht, also ein direkter Grund für das "ähnliche Verhalten" vorliegt. Es kann zwar ein Zusammenhang vermutet werden und sogar bestehen. Aber die Korrelation kann auch zufällig oder durch eine dritte Variable (unbekannt) bedingt sein. Liegt überhaupt kein kausaler Zusammenhang zwischen den Variablen vor, bezeichnet man dies auch als "Scheinkorrelation".

Eines der häufigsten Beispiele für eine Scheinkorrelation ist sicherlich die Korrelation der Storchenpopulation und der Geburtenrate. Immer wieder wurde eine Korrelation gezeigt. In den letzten Jahrzehnten nahmen beide Größen ab. Aber alle werden sich einig sein: Der Storch bringt nicht die Babys! - Oder doch?
 

Im Bereich der Eigenbeobachtung schildern viele Patienten: "Eine Impfung gegen die Grippe (Influenza) möchte ich nicht mehr. Immer wenn ich mich habe impfen lassen, war ich kurz danach krank." - Doch wiederum wird Korrelation und Kausalität verwechselt, denn ein Totimpfstoff kann keinen grippalen Infekt verursachen. (→ grippaler Infekt nach Grippe-Impfung)

Was ist Kausalität?

Die Kausalität beschreibt das Prinzip von Ursache und Wirkung, also von einer gerichteten Beeinflussung von Variablen oder Faktoren. Mehrere Variablen oder Faktoren können auch sogenannte (Mono-)Kausalketten bilden. Auch sind komplizierte Verknüpfungen verschiedener Variablen, die sich gegenseitig beeinflussen, denkbar.

Viele Kausalzusammenhänge aus dem Alltag sind für uns banal. Ohne groß über Statistik nachzudenken, wissen wir über diese Zusammenhänge aus Erfahrung oder Beobachtung:

  • Mit einem Hammer auf den Finger schlagen → Schmerz…
  • Benzintank leer → Motor geht aus…
  • Hunger → Essen → Hunger weg…

Doch leider lässt sich nicht alles so einfach erklären. Nicht alle Zusammenhänge erschließen sich auf Anhieb und sogar offensichtliche Beobachtungen können täuschen.

Der Irrtum: Korrelation ≠ Kausalität

Allgemein ist es leicht, in erhobenen Daten eine mögliche Korrelation zu entdecken. Viele Alltagsweisheiten und Bauernregeln leiten sich von Beobachtungen ab, ohne je eine Kausalität bewiesen zu haben.

Heute ist es im Zeitalter des Computers und der globalen Vernetzung sehr leicht, an riesige Datenmassen zu kommen. Über Suchalgorhithmen kann man nach Korrelationen Ausschau halten. Aber ob und in welcher Weise eine Kausalität besteht, dies ist weitaus schwieriger zu klären. Um eine "Scheinkorrelation" von einer kausalen Korrelation sauber zu trennen, bedarf es sozusagen etwas mehr.

So kommt es, dass in den Nachrichten viele Korrelationen als Kausalität präsentiert werden, ohne dies vorher geklärt oder hinterfragt zu haben. Es ist einträglicher, eine nette und provokante Schlagzeile zu drucken, als den Wahrheitsgehalt in Frage zu stellen. Inzwischen gibt es unzählige "Anekdoten" als Beispiele für Scheinkorrelation und das Missverständnis zwischen Korrelation und Kausalität: