In der sozialwissenschaftlichen Forschung begegnen wir häufig Fragen wie: „Sinkt die Leistung, wenn der Stress steigt?“ oder „Steigt die Lebenszufriedenheit mit dem Einkommen?“ Eine der grundlegendsten statistischen Methoden zur Beantwortung solcher Fragen ist die Korrelationsanalyse. In diesem Beitrag erklären wir, was Korrelation ist, wie sie berechnet wird und wie man sie interpretiert – klar und mit Beispielen.

1. Was ist Korrelation?

Korrelation ist ein statistischer Wert, der die lineare Beziehung zwischen zwei Variablen misst. Der Wert liegt in der Regel zwischen -1 und +1.

• +1 → Starke positive Beziehung (wenn eine Variable steigt, steigt auch die andere)
• 0 → Keine Beziehung
• -1 → Starke negative Beziehung (wenn eine Variable steigt, sinkt die andere)

Beispiel:
Zwischen der Lernzeit von Studierenden und ihren Prüfungsergebnissen wird eine positive Korrelation erwartet.

2. Die häufigsten Korrelationsarten

Pearson-Korrelationskoeffizient (r)
Wird verwendet, wenn die Daten kontinuierlich und normalverteilt sind. Misst lineare Beziehungen.

Beispiel:
Beziehung zwischen Alter und Einkommen.

Spearman-Rangkorrelation (ρ)
Wird verwendet, wenn die Daten ordinal sind oder nicht normalverteilt. Misst monotone Beziehungen (nicht zwingend linear).

Beispiel:
Beziehung zwischen der Nutzungsdauer sozialer Medien und dem Gefühl von Einsamkeit.

Kendall’s Tau
Ähnlich wie Spearman, aber besser geeignet für kleine Stichproben.

3. Korrelationsanalyse durchführen

In SPSS (Pearson):

• Gehen Sie zu Analyze > Correlate > Bivariate
• Wählen Sie Ihre Variablen aus
• „Pearson“ sollte ausgewählt sein
• „Two-tailed“ und „Flag significant correlations“ aktivieren
• Auf „OK“ klicken

In Excel:

Mit der Formel =CORREL(A1:A10; B1:B10) kann der Korrelationskoeffizient zwischen zwei Variablen berechnet werden.

4. Korrelationswerte interpretieren

Hinweis: Korrelation bedeutet nicht Kausalität. Eine Beziehung zwischen zwei Variablen heißt nicht, dass eine die andere verursacht.

5. Wie in der Arbeit berichten

„Zwischen der Lernzeit und dem Prüfungserfolg wurde eine positive und signifikante Beziehung festgestellt (r = 0,62, p < 0,01). Dieses Ergebnis deutet darauf hin, dass Studierende, die mehr lernen, tendenziell bessere Ergebnisse erzielen.“

6. Fazit

Die Korrelationsanalyse ist ein leistungsfähiges und leicht anwendbares Werkzeug zur Untersuchung von Beziehungen zwischen Variablen in den Sozialwissenschaften. Sie sollte jedoch mit Vorsicht verwendet werden – eine Korrelation bedeutet nicht automatisch eine Ursache-Wirkung-Beziehung. Die Einbindung der Korrelationsanalyse in Ihre Arbeit verleiht Ihren Daten mehr Aussagekraft.