Pearson-Korrelationsrechner

Der Pearson-Korrelationskoeffizient misst Richtung und Stärke eines linearen Zusammenhangs zwischen zwei quantitativen Variablen. Er wird meist als r geschrieben und reicht von minus eins bis plus eins. Ein positiver Koeffizient bedeutet, dass größere X-Werte tendenziell mit größeren Y-Werten einhergehen. Bei einem negativen Koeffizienten gehen größere X-Werte eher mit kleineren Y-Werten einher. Ein Wert nahe null zeigt wenig linearen Zusammenhang, obwohl ein starkes nichtlineares Muster bestehen kann. Die Berechnung zentriert jede Beobachtung durch Abzug des jeweiligen Variablenmittelwerts. Die Produkte gepaarter Abweichungen werden summiert und durch die Quadratwurzel des Produkts der beiden Abweichungsquadratsummen geteilt. Diese Standardisierung macht den Koeffizienten unabhängig von Maßeinheiten. Werden etwa alle X-Werte mit einer positiven Konstante multipliziert, bleibt r unverändert. Die Paarreihenfolge ist dennoch wichtig: Der erste X-Wert muss zum ersten Y-Wert gehören, der zweite zum zweiten und so weiter. Der Rechner zeigt außerdem r zum Quadrat, im Kontext einfacher linearer Regression oft Bestimmtheitsmaß genannt. Dort ist es der durch die angepasste lineare Beziehung erklärte Varianzanteil. Quadrieren entfernt die Richtung, sodass r-Werte von 0.8 und -0.8 beide 0.64 ergeben. Dieser beschreibende Prozentsatz darf nicht automatisch als Anteil einer Variablen verstanden werden, der von der anderen verursacht wird. Die Pearson-Korrelation eignet sich besonders bei unabhängigen Beobachtungen, annähernd linearen Beziehungen und verstandenen extremen Ausreißern. Schon ein ungewöhnliches Paar kann den Koeffizienten stark verändern. Eingeschränkte Wertebereiche können einen Zusammenhang schwächer erscheinen lassen; zusammengefasste unterschiedliche Gruppen können Trends erzeugen oder umkehren. Betrachten Sie nach Möglichkeit auch ein Streudiagramm. Korrelation beweist keine Kausalität, und dieser Rechner liefert weder p-Wert noch Konfidenzintervall. Solche inferenzstatistischen Ergebnisse erfordern Annahmen zur Stichprobengröße und ein definiertes Stichprobenverfahren. Nutzen Sie das Werkzeug für nachvollziehbare deskriptive Berechnungen, Übungsaufgaben und schnelle Datenvergleiche vor einem umfassenderen statistischen Modell.