Kausalität (Korrelation & Regression)
numiqo
https://www.youtube.com/watch?v=djTRC9x_vPE

Transkript (automatisch erstellt)

0:00 Hallo, in diesem Video erkläre ich dir die Zusammenhänge bzw. die Unterschiede zwischen der Korrelation, der Regression und der Kausalität. Und damit starten
0:10 wir auch gleich. Wie du aus meinem Video über die Korrelation weißt, untersucht die Korrelationsanalyse den Zusammenhang von Variablen. Eine Fragestellung könnte
0:19 sein, gibt es einen Zusammenhang zwischen dem Alter, in dem ein Kind die ersten Sätze spricht und dem späteren Schulerfolg? Die Korrelationsanalyse
0:28 zeigt, dass zwei Merkmale miteinander verbunden sind. Nun kann untersucht werden, ob eine Variable zur Vorhersage der anderen Variable verwendet werden
0:38 kann. So könnte der Schulerfolg durch das Alter, in dem ein Kind die ersten Sätze spricht, mit einer Rekression vorhergesagt werden. Gibt es zwischen
0:47 dem Alter, in dem ein Kind die ersten Sätze spricht und dem späteren Schulerfolg eine Korrelation, kann man in diesem Fall sogar von einer kausalen
0:54 Beziehung sprechen. Also, dass das Alter, in dem ein Kind die ersten Sätze spricht, den späteren Schulerfolg beeinflusst. In diesem Fall geht das so
1:02 einfach, da wir zeitliche Trennung haben. Es ist klar, dass der spätere Schulerfolg nicht das Alter, in dem Kind die ersten Sätze spricht, beeinflussen
1:12 kann. Aber Achtung, das geht nicht immer so leicht. Dafür schauen wir uns das nächste Beispiel an. Sagen wir, am Ende der Schulzeit machst du bei Schülern
1:21 einen Intelligenztest und fragst sie nach ihrer Abiturnote. Nachdem du deine Umfrage gemacht hast und die Daten analysiert hast, wird sich
1:29 sicherlich ergeben, dass es zwischen Intelligenz und Abiturnote eine Korrelation gibt. Aber jetzt kommt das große Fragezeichen. Gibt es eine kausale
1:39 Beziehung? Sicherlich können wir einfach ein Regessionsmodell aufstellen und Intelligenz als unabhängige Variable definieren und die Abiturnote als
1:48 abhängige Variable und damit die Abiturnote mit der Intelligenz vorhersehen. Aber damit haben wir noch keine Kausalität nachgewiesen. Was heißt
1:56 nun Kausalität? Kausalität bedeutet, dass zwischen zwei Variablen eine klare Ursache und Wirkungsbeziehung besteht. Ein häufiger Fehler bei der
2:06 Interpretation von Statistiken ist, dass wenn eine Korrelation besteht, eine Kausalität abgeleitet wird. Hier habe ich ein passendes Beispiel aus dem
2:15 Lehrbuch Lehrbuchstatistik von Reiner Leonhard. Den Link findest du in der Videobeschreibung. Der amische Statistiker Daryl HF fand
2:24 bei den Bewohnern einer Inselgruppe eine negative Korrelation zwischen der Anzahl der Kopfläuse und der Körpertemperatur. Eine negative Korrelation bedeutet, dass
2:34 Personen mit vielen Läusen im Allgemeinen eine geringere Körpertemperatur haben als Personen mit wenig Läus. Die Bewohner der Inselgruppe
2:43 haben daraus den Schluss gezogen, dass Läuse, da sie das Fieber senken, gut für die Gesundheit sind, also das Läuse einen Einfluss auf die Körpertemperatur
2:53 haben. Tatsächlich ist die kausale Beziehung aber genau anders herum. In einem Experiment konnte nachgewiesen werden, dass hohes Fieber die Läuse
3:03 vertreibt. Die hohe Temperatur ist also die Ursache, nicht die Wirkung. Deswegen darf man niemals von einer kausalen Beziehung sprechen, nur weil eine
3:12 Korrelation vorliegt. Für die Kausalität gibt es genaue Voraussetzungen. Aber was sind nun die Voraussetzung für Kausalität? Ab wann kann man von einer
3:20 kausalen Beziehung sprechen? Für die Kausalität gibt es zwei Voraussetzungen. Erstens, es gibt einen signifikanten
3:28 Zusammenhang, also eine signifikante Korrelation. Diese Voraussetzung ist natürlich einfach zu prüfen. Es wird einfach der Korrelationskoeffizient
3:37 herangezogen und geprüft, ob der sich signifikant von null unterscheidet. Die zweite Voraussetzung kann auf zwei Wege erfüllt werden. Erstens ist sie erfüllt,
3:48 wenn eine zeitliche Ordnung der Variablen vorliegt. Also, wenn Variable A zeitlich vor Variable B gemessen wird. Außerdem kann ich die zweite
3:58 Voraussetzung erfüllen, wenn eine theoretisch fundierte und plausible Theorie vorliegt, in welche Richtung die kausale Beziehung geht. Sollte nichts
4:07 von beiden zutreffen. Also, es gibt weder eine zeitliche Ordnung, noch kann man die Kausalität über eine fundierte Theorie begründen, kann nur von einem
4:15 Zusammenhang gesprochen werden, niemals aber über Kausalität. Also es kann nicht gesagt werden, Variable A beeinflusst Variable B oder andersherum. Schauen wir
4:26 uns das noch mal an unseren beiden Beispielen an. Bei dem ersten Beispiel, wo die Fragestellung ist, ob das Alter, in dem ein Kind die ersten Sätze
4:34 spricht, den späteren Schulerfolg beeinflusst, liegt ganz klar eine zeitliche Komponente vor. Andersherum kann die Beziehung nicht sein. Wenn man
4:42 durch sehr viel Nachhilfe einen großen Schulerfolg hat, hat dieses natürlich keinen Einfluss, wann man die ersten Sätze gesprochen hat. Auf der anderen
4:50 Seite, wenn wir gleichzeitig die Intelligenz messen und den Abiturschnitt abfragen, haben wir diese zeitliche Komponente nicht. Damit wir hier eine
4:58 Aussage treffen können, muss es eine fondierte Theorie geben, welche Variable welche beeinflusst. Gibt es das nicht, kann keine Aussage über die Kausalität
5:07 getroffen werden. Es gibt sicherlich eine hohe Korrelation zwischen Intelligenz und Abiturschnitt. Es könnte aber auch sein, dass Personen, die viel
5:16 lernen, dadurch gute Noten haben und sich dementsprechend Wissen angeeignet haben, um in einem Intelligenztest gut abzuschneiden.
5:25 Also die Intelligenz und die Schulnote werden zum Zeitpunkt ermittelt. Dieses kann natürlich umgangen werden, indem der Intelligenztest vor Schulbeginn
5:34 gemacht wird. Dann kann man sich sicher sein, dass die Schule keinen Einfluss auf den Intelligenztest gehabt haben kann. Dies ist natürlich mit viel
5:42 Aufwand verbunden, weil man die Ergebnisse erst viele Jahre später bekommt und die gleiche Person zu zwei weit auseinanderliegenden Zeitpunkten
5:51 befragen muss. Jetzt hast du einen guten Überblick bekommen, was Kausalität bedeutet und wir können genauer auf die Regression eingehen. Schau dir hier für
5:59 mein Video über die einfache und multiple linear Regression an. Ich freue mich dich gleich wiederzusehen.