Korrelation und Kausalität zu verwechseln, ist einer der häufigsten Fehler bei der Dateninterpretation. Wenn wir einen Zusammenhang zwischen zwei Variablen annehmen und denken, die eine bedingt die andere, kann dies zu falschen Schlussfolgerungen und Fehlentscheidungen führen. Der Sozialpsychologe Jonathan Haidt lieferte in einer meiner Lieblingsvorlesungen – „ Zwei unvereinbare heilige Werte an amerikanischen Universitäten“ – .
Nicht dieser hier, sondern der weiter unten.
Haidts erstes Diagramm zeigt einen korrelierenden Anstieg von Autismusfällen und dem Absatz von Biolebensmitteln. Er fragt sarkastisch:
Da die Zahl der Autismusfälle in den 90er Jahren gestiegen ist, sind auch die Verkaufszahlen von Bio-Lebensmitteln gestiegen! 🤨 Was meinst du? Glaubst du, dass Bio-Lebensmittel Autismus verursachen? Oder denkst du, dass autistische Menschen Bio-Lebensmittel kaufen und deshalb die Verkaufszahlen steigen? Was stimmt denn nun?
Die Antwort lautet natürlich: „Wahrscheinlich keines von beiden.“ Denn die Korrelation zwischen den beiden impliziert keine Kausalität.
Sein zweites Beispiel deutet auf die mögliche Existenz einer dritten Variable hin. Man denke an diese Schlagzeile einer Studie, die besagt, dass „Menschen, die mehr Sex haben, am meisten Geld verdienen“. Hier ist Haidts Aussage dazu:
Was denkst du also? Glaubst du, dass dein Einkommen steigt, wenn du in einer Beziehung bist und mehr Sex hast? Glaubst du, so funktioniert das? Natürlich nicht. Es gibt noch eine dritte Variable.
In diesem Fall handelt es sich bei den dritten Variablen um die Big-Five-Persönlichkeitsmerkmale Extraversion und Offenheit für neue Erfahrungen. Das bedeutet: „Menschen mit diesen Merkmalen haben mehr Sex und verdienen mehr Geld.“ Denn diese Merkmale gehen auch mit einem höheren Einkommen einher.
Korrelation bedeutet nicht zwangsläufig Kausalität. Doch es ist nicht immer so offensichtlich wie in der Karikatur vom Anfang. Die gute Nachricht: Die Verwechslung der beiden ist nicht fatal. Auch wenn wir oft in Versuchung geraten, Kausalzusammenhänge zu erkennen, wo keine sind. Tatsächlich ist Kausalität ziemlich schwer nachzuweisen. Wenn wir also, wie Haidt vorschlägt, eine Korrelation zwischen zwei Variablen finden, sollten wir dies als Anlass nehmen, innezuhalten und genauer hinzusehen, ob tatsächlich ein Kausalzusammenhang besteht. Und ob es vielleicht eine dritte Variable gibt, die die beiden gemeinsam haben.
