Kausalität

Kausalität bedeutet, dass eine eindeutige Ursache-Wirkungs-Beziehung zwischen zwei Variablen besteht. Es liegt also eine Kausalität vor, wenn Handlung A das Ergebnis B verursacht. Ein häufiger Fehler bei der Interpretation von Statistiken ist, dass bei Vorliegen einer Korrelation auf eine Kausalität geschlossen wird. Eine Korrelation gibt aber nur an, ob es einen Zusammenhang gibt.

Kausalität und Korrelation

Die Korrelationsanalyse zeigt, ob es einen Zusammenhang zwischen zwei Variablen gibt. Eine Korrelation ist symmetrisch und zeigt weder die Wirkungsrichtung noch, ob überhaupt eine kausale Wirkung vorliegt.

Kausalität und Regression

Mit einer Regressionsanalyse kann eine abhängige Variable mithilfe einer oder mehrerer unabhängiger Variablen vorhergesagt werden. Eine kausale Beziehung ist dafür nicht erforderlich.

Die Festlegung von Prädiktor und Kriterium gibt dem Regressionsmodell zwar eine statistische Richtung, beweist aber keine kausale Richtung. Eine kausale Interpretation benötigt zusätzlich ein geeignetes Studiendesign und begründete Annahmen.

Die Wirkungsrichtung sollte daher theoretisch begründet und durch das Studiendesign gestützt werden. Eine Regression allein kann Kausalität weder suchen noch beweisen; sie kann aber auch ohne kausale Annahme zur Beschreibung und Vorhersage verwendet werden.

Eine gute Vertiefung zu dem Thema Kausalität, Korrelation und Regression gibt es in diesem Buchtipp .

Kausale Modelle für die Regression

Ist Regression gleichbedeutend mit Kausalität? Weder Korrelation noch Regression können Kausalität beweisen. Ein Kausalmodell verbindet statistische Analysen mit inhaltlichen Annahmen und einem Studiendesign, das alternative Erklärungen möglichst ausschließt.

Voraussetzungen für Kausalität

Für eine kausale Interpretation werden üblicherweise drei Punkte betrachtet: Die Variablen müssen zusammenhängen, die vermutete Ursache muss zeitlich vor der Wirkung liegen und plausible alternative Erklärungen, etwa Drittvariablen, müssen möglichst ausgeschlossen werden. Eine signifikante Korrelation, eine zeitliche Reihenfolge oder eine plausible Theorie allein reicht nicht aus.

Die Grafik zeigt eine vereinfachte Übersicht. Zusammenhang, zeitliche Reihenfolge und Theorie sind wichtig, reichen ohne die Prüfung alternativer Erklärungen aber nicht aus.

Sind diese Bedingungen nicht überzeugend erfüllt, sollte nur von einem Zusammenhang und nicht von Kausalität gesprochen werden.

Beispiel für Kausalität

Sagen wir, deine Forschungsfrage ist: Gibt es eine kausale Beziehung zwischen dem Alter, in dem ein Kind die ersten Sätze spricht und dem späteren Schulerfolg?

Zunächst kann mit einer Korrelationsanalyse geprüft werden, ob ein Zusammenhang zwischen den beiden Variablen besteht. Danach müssen zeitliche Reihenfolge und mögliche Drittvariablen betrachtet werden.

In diesem Fall ist die zeitliche Reihenfolge klar: Das Alter beim ersten Satz liegt vor dem späteren Schulerfolg. Trotzdem beweist eine Korrelation keine Wirkung, denn zum Beispiel familiäre oder gesundheitliche Faktoren könnten beide Variablen beeinflussen.