Eine der grundlegendsten Korrelationsarten ist die sogenannte Korrelation nullter Ordnung<\/strong> , die sich auf die Korrelation zwischen zwei Variablen bezieht, ohne den m\u00f6glichen Einfluss anderer Variablen zu ber\u00fccksichtigen.<\/span><\/p>\n Ein Beispiel f\u00fcr diese Art von Korrelation ist der Pearson-Korrelationskoeffizient<\/a> , der den linearen Zusammenhang zwischen zwei Variablen misst und Werte zwischen -1 und 1 annehmen kann, wobei:<\/span><\/p>\n Je weiter die Korrelation von Null entfernt ist, desto st\u00e4rker ist der Zusammenhang zwischen den beiden Variablen.<\/span><\/p>\n Wenn wir die Korrelation zwischen zwei Variablen A und B berechnen und dabei den Einfluss einer dritten Variablen C ber\u00fccksichtigen, w\u00fcrden wir die Korrelation zwischen A und B als Korrelation erster Ordnung<\/strong> bezeichnen.<\/span><\/p>\n Wenn wir in \u00e4hnlicher Weise die Korrelation zwischen zwei Variablen A und B berechnen und dabei den Einfluss der Variablen C und D ber\u00fccksichtigen, w\u00fcrden wir die Korrelation zwischen A und B als Korrelation zweiter Ordnung<\/strong> bezeichnen.<\/span><\/p>\n Nehmen wir an, wir haben den folgenden Datensatz, der die Anzahl der Lernstunden und die bei der Pr\u00fcfung erzielte Note von 10 verschiedenen Studenten zeigt:<\/span> <\/p>\n Es stellt sich heraus, dass die Korrelation zwischen diesen beiden Variablen 0,762<\/strong> betr\u00e4gt. Dies w\u00fcrde als Korrelation nullter Ordnung<\/strong> zwischen den beiden Variablen angesehen werden, da wir den m\u00f6glichen Einfluss einer dritten Variablen nicht kontrollieren.<\/span><\/p>\n Tats\u00e4chlich ist es jedoch m\u00f6glich, dass andere Faktoren die Beziehung zwischen diesen beiden Variablen beeinflussen.<\/span><\/p>\n Beispielsweise kann sich die aktuelle Note des Sch\u00fclers in der Klasse auf sein Pr\u00fcfungsergebnis auswirken. Angenommen, wir haben auch Zugriff auf diese Daten:<\/span> <\/p>\n Wenn wir dann die Korrelation zwischen Stunden und Pr\u00fcfung berechnen und dabei den Einfluss der aktuellen Note ber\u00fccksichtigen w\u00fcrden<\/em> , w\u00fcrden wir feststellen, dass die Korrelation erster Ordnung<\/strong> zwischen Stunden und Pr\u00fcfung 0,578<\/strong> betr\u00e4gt.<\/span><\/p>\n Dies bedeutet, dass es immer noch eine ziemlich starke positive Korrelation zwischen den gelernten Stunden und der Pr\u00fcfungsnote gibt, selbst nach Ber\u00fccksichtigung der Auswirkungen der aktuellen Note des Sch\u00fclers in der Klasse.<\/span><\/p>\n Hinweis:<\/strong> Korrelation erster Ordnung wird manchmal als partielle Korrelation bezeichnet<\/span> . In diesem Tutorial<\/a> wird erkl\u00e4rt, wie man Teilkorrelationen in Excel berechnet.<\/p>\n Wir erstellen eine Korrelationsmatrix.<\/a> Wann immer f\u00fcr eine Reihe von Variablen die in der Matrix angezeigten Korrelationskoeffizienten immer Korrelationen nullter Ordnung sind, da es sich lediglich um die Korrelationen zwischen jeder paarweisen Kombination von Variablen handelt, ohne den Einfluss anderer Variablen zu ber\u00fccksichtigen.<\/span><\/p>\n Betrachten Sie zum Beispiel unseren Datensatz aus dem vorherigen Beispiel:<\/span> <\/p>\n Wenn wir f\u00fcr diesen Datensatz eine Korrelationsmatrix erstellen w\u00fcrden, w\u00fcrde diese so aussehen:<\/span> <\/p>\n Die Art und Weise, dies zu interpretieren, ist:<\/span><\/p>\n Jede dieser Korrelationen ist eine Korrelation nullter Ordnung<\/strong> .<\/span><\/p>\n Die folgenden Tutorials bieten zus\u00e4tzliche Informationen zu Korrelationskoeffizienten:<\/span><\/p>\n Einf\u00fchrung in den Pearson-Korrelationskoeffizienten<\/a> In der Statistik gibt uns die Korrelation zwischen zwei Variablen Auskunft \u00fcber die Beziehung zwischen diesen beiden Variablen. Eine der grundlegendsten Korrelationsarten ist die sogenannte Korrelation nullter Ordnung , die sich auf die Korrelation zwischen zwei Variablen bezieht, ohne den m\u00f6glichen Einfluss anderer Variablen zu ber\u00fccksichtigen. Ein Beispiel f\u00fcr diese Art von Korrelation ist der […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Korrelationen erster und zweiter Ordnung<\/strong><\/h3>\n
Beispiel einer Korrelation nullter Ordnung<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/zeroordercorrel1.png\")
<\/p>\n![\"Beispiel](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/zeroordercorrel2.png\")
<\/p>\n Korrelationen nullter Ordnung in einer Korrelationsmatrix<\/strong><\/h3>\n
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/zeroordercorrel3.png\")
<\/p>\n\n
Zus\u00e4tzliche Ressourcen<\/strong><\/h3>\n
So lesen Sie eine Korrelationsmatrix<\/a>
So berechnen Sie die partielle Korrelation in Excel<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"