Wenn diese dritte Variable nicht ber\u00fccksichtigt wird, kann die Korrelation zwischen den beiden untersuchten Variablen irref\u00fchrend sein oder sogar zu Verwirrung f\u00fchren.<\/span><\/p>\n Dieses Tutorial bietet mehrere Beispiele f\u00fcr Probleme mit dritten Variablen in verschiedenen Kontexten.<\/span><\/p>\n Ein Forscher beobachtet, dass St\u00e4dte mit mehr Hydranten tendenziell auch mehr Hunde haben.<\/span><\/p>\n Diese beiden Variablen korrelieren jedoch nur, weil sie beide eine starke Korrelation mit einer dritten Variablen aufweisen: der Bev\u00f6lkerungsgr\u00f6\u00dfe<\/strong> .<\/span><\/p>\n In gr\u00f6\u00dferen St\u00e4dten gibt es tendenziell sowohl mehr Hydranten als auch<\/em> mehr Hunde. Umgekehrt gibt es in kleineren St\u00e4dten tendenziell weniger Hydranten und<\/em> weniger Hunde.<\/span> <\/p>\n Forscher stellen fest, dass Eisverkauf und Hai-Angriffe stark positiv korrelieren.<\/span><\/p>\n Diese beiden Variablen korrelieren jedoch nur, weil sie beide eine starke Korrelation mit einer dritten Variablen aufweisen: der Temperatur<\/strong> .<\/span><\/p>\n Wenn es w\u00e4rmer ist, kaufen mehr Menschen Eis und mehr Menschen schwimmen im Meer, was erkl\u00e4rt, warum die Werte von Eisverk\u00e4ufen und Hai-Angriffen zur gleichen Jahreszeit tendenziell steigen.<\/span> <\/p>\n Eine Studie kommt zu dem Ergebnis, dass der Schaden umso gr\u00f6\u00dfer ist, je mehr Freiwillige sich nach einer Naturkatastrophe melden.<\/span><\/p>\n Diese beiden Variablen korrelieren jedoch nur, weil sie beide eine starke Korrelation mit einer dritten Variablen aufweisen: dem Ausma\u00df der Naturkatastrophe<\/strong> .<\/span><\/p>\n Gr\u00f6\u00dfere Naturkatastrophen korrelieren stark mit mehr verursachten Sch\u00e4den sowie einem Anstieg der Zahl freiwilliger Helfer.<\/span> <\/p>\n Was ist ein Bias durch ausgelassene Variablen?<\/a> In der Statistik tritt ein Problem mit dritten Variablen auf, wenn eine beobachtete Korrelation zwischen zwei Variablen tats\u00e4chlich durch eine dritte Variable erkl\u00e4rt werden kann, die nicht ber\u00fccksichtigt wurde. Wenn diese dritte Variable nicht ber\u00fccksichtigt wird, kann die Korrelation zwischen den beiden untersuchten Variablen irref\u00fchrend sein oder sogar zu Verwirrung f\u00fchren. Dieses Tutorial bietet mehrere […]<\/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 Beispiel 1: Hunde und Hydranten<\/strong><\/span><\/h3>\n
![\"Beispiel](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/troisiemevariable1.png\")
<\/p>\n Beispiel 2: Eisverkauf und Hai-Angriffe<\/strong><\/span><\/h3>\n
![\"Drittes](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/troisiemevariable2.png\")
<\/p>\n Beispiel 3: Freiwillige und Naturkatastrophen<\/strong><\/span><\/h3>\n
![\"Beispiel](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/troisiemevariable3.png\")
<\/p>\n In Verbindung stehende Artikel<\/strong><\/span><\/h3>\n
Was ist ein Undercount-Bias?<\/a>
Was ist ein Aggregationsbias?<\/a>
Was ist eine verwirrende Variable?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"