Korrelationskoeffizient nach Pearson berechnen und interpretieren

Der Korrelationskoeffizient nach Pearson, auch Korrelationskoeffizient nach Bravais-Pearson genannt, gibt uns Auskunft über den Zusammenhang von zwei metrisch skalierten Variablen.

Beispiel
Wir möchten bestimmen, ob ein Zusammenhang zwischen der Größe und dem Gewicht von Personen besteht und wie stark dieser Zusammenhang ist.

Da es sich um einen standardisierten Koeffizienten handelt, können wir Zusammenhänge anhand des Korrelationskoeffizienten miteinander vergleichen.

Den Korrelationskoeffizienten nach Pearson berechnen

Zur Berechnung des Korrelationskoeffizienten kannst du z. B. SPSS, Excel oder Google Tabellen verwenden.

Den Korrelationskoeffizienten mit Excel oder Google Tabellen berechnen

Wir stellen dir unsere Excel-Datei und Google-Tabellen-Datei zur Verfügung, damit du die Berechnung damit üben kannst.

Korrelation Excel

Excel

Korrelation Google Tabellen

Google Tabellen

Geh in eine leere Zelle und gib die Formel = KORREL () für Excel oder = CORREL () für Google Tabellen ein.

Wähle die Daten aus beiden Spalten aus und trenne sie mit einem Semikolon.

Du erhältst den Korrelationskoeffizienten der zwei Variablen, in diesem Fall Gewicht und Größe. Der Wert des Korrelationskoeffizienten muss dabei immer zwischen r = -1 und 1 liegen.

Den Korrelationskoeffizienten mit SPSS berechnen

Lade unsere SPSS-Datei herunter, damit du mit denselben Daten üben kannst.

Korrelation SPSS

SPSS

Um den Korrelationskoeffizienten mit SPSS zu berechnen, klicke im Menü auf:

  1. Analysieren
  2. Korrelation
  3. Bivariat

In dem neuen Fenster wählst du die Variablen aus, die du analysieren möchtest (Gewicht und Größe).

Kontrolliere, ob Pearson bei Korrelationskoeffizienten markiert ist, da du die lineare Korrelation ansehen möchtest.

Klicke auf Ok, um die Analyse durchzuführen. Du erhältst den Korrelationskoeffizienten, der immer zwischen -1 und 1 liegen muss.

Den Korrelationskoeffizienten in SPSS richtig interpretieren

Berechnest du den Korrelationskoeffizienten mit SPSS, erhältst du bei unserem Beispiel die folgende Tabelle:
Korrelation SPSS Output

Das bedeuten die Werte in der SPSS-Korrelationstabelle
N = 30: Anzahl der befragten Personen (Stichprobe)
Korrelation nach Pearson = 0,909**: sehr hoher positiver Zusammenhang zwischen Gewicht und Größe
Signifikanz (2-seitig) = 0,000: SPSS gibt zusätzlich den p-Wert (Signifikanz) an. In unserem Beispiel liegt dieser Wert unter 0,05. Das bedeutet, dass die Nullhypothese (es besteht kein Zusammenhang zwischen Größe und Gewicht) verworfen werden kann

Formel zu Pearsons r

Um die Korrelation selbst zu berechnen, kannst du folgende Formel verwenden.

Formel zum Korrelationskoeffizient nach Pearson
formel-pearsons-r-scribbr
r Korrelationskoeffizient
xi Beobachtungswerte der Variable x
yi Beobachtungswerte der Variable y
x-bar-scribbr Arithmetisches Mittel aller Wert von x
y-bar-scribbr Arithmetisches Mittel aller Wert von y
N Gesamtanzahl
sxy Kovarianz der Variablen x und y
sx Standardabweichung der Variable x
sy Standardabweichung der Variable y

Was ist dein Score?

Erfahre binnen 10 Minuten, ob du ungewollt ein Plagiat erzeugt hast.

  • 70+ Milliarden Internetquellen
  • 69+ Millionen Publikationen
  • Gesicherter Datenschutz

Zur Plagiatsprüfung

Pearsons r richtig interpretieren

Der Korrelationskoeffizient nach Pearson kann Werte zwischen -1 und 1 annehmen.

Dabei enthält der r-Wert Informationen über a) die Richtung und b) die Stärke des Zusammenhangs.

Richtung des Zusammenhangs

Ein positiver Korrelationskoeffizient zeigt auf, dass ein positiver Zusammenhang zwischen den zwei Variablen besteht. Das bedeutet, dass, wenn der Wert der einen Variablen steigt, dies auch für die andere Variable der Fall ist.

Beispiel positive Korrelation
Steigt die Variable „Größe”, steigt auch die Variable „Gewicht”.
Sinkt die Variable „Größe”, sinkt auch die Variable „Gewicht”.

Bei einem negativen Korrelationskoeffizienten verlaufen die Variablen gegenläufig. Wenn also der Wert der einen Variablen steigt, sinkt der Wert der anderen Variablen.

Beispiel negative Korrelation
Steigt die Variable „Größe”, sinkt die Variable „Gewicht”.
Sinkt die Variable „Größe”, steigt die Variable „Gewicht”.

Stärke des Zusammenhangs

Um eine Aussage über die Stärke des Zusammenhangs zu treffen, können wir die Einteilung nach Cohen verwenden.

Dabei ist allerdings zu beachten, dass es sich um eine allgemeine Einteilung handelt und der Korrelationskoeffizient stets in Bezug zum Kontext interpretiert werden sollte, in dem er erhoben und bestimmt wurde.

Das Diagramm gibt dir einen Überblick über die Stärke des Zusammenhangs für deinen r-Wert.
staerke-des-zusammenhangs-korrelationskoeffizient-scribbr
r = 0 → kein linearer Zusammenhang
r = 1 oder -1 → vollständiger linearer Zusammenhang

Voraussetzungen für den Korrelationskoeffizient nach Pearson

Den Korrelationskoeffizienten nach Pearson kannst du anwenden, wenn die folgenden Annahmen erfüllt sind:

Ergebnisse der Korrelation in der Abschlussarbeit zusammenfassen

Du beschreibst den Korrelationskoeffizienten im Ergebniskapitel deiner Bachelorarbeit oder Masterarbeit.

Beachte
Für den Korrelationskoeffizienten nach Pearson verwendest du den Buchstaben r in Formeln und deinem Text.
Beispielsätze für die Zusammenfassung der Korrelationsergebnisse
  • Es besteht eine signifikante, sehr hohe positive Korrelation zwischen dem Gewicht und der Größe (r = .91; p < .001; N = 30).
  • Die Korrelation nach Pearson zeigt einen signifikanten hohen positiven Zusammenhang zwischen der Größe und dem Gewicht der befragten Personen (r = .91; p < .001; N = 30).

Häufig gestellte Fragen

Was sagt der Korrelationskoeffizient nach Pearson aus?

Der Korrelationskoeffizient nach Pearson gibt uns Auskunft über den Zusammenhang von zwei metrisch skalierten Variablen.

Ab wann ist meine Korrelation hoch?

Von einer hohen Korrelation wird bei einem r-Wert (Korrelationskoeffizient) zwischen 0.5 und 1 oder -0.5 und -1 gesprochen.

Wie kann ich den Korrelationskoeffizienten nach Pearson in Excel berechnen?

In Excel können wir den Korrelationskoeffizienten mit dem Befehl =KORREL() bestimmen. Gib dazu in den Klammern die Zellen an, für die du die Korrelation bestimmen möchtest. Trenne die Werte für die beiden Variablen mit einem Semikolon.

Beispiel
=KORREL(B2:B30;C2:C30)
Was ist der Unterschied zwischen der Pearson- und der Spearman-Korrelation?

Wann wir welchen Korrelationskoeffizienten verwenden, hängt vom Skalenniveau der Daten ab. Um die Korrelation nach Pearson zu berechnen, benötigen wir metrische Daten. Spearman‘s Rangkorrelationskoeffizienten verwenden wir für ordinalskalierte Daten.

War dieser Artikel hilfreich?
Valerie Benning

Hi, ich bin Valerie und schreibe zur Zeit selbst meine Masterarbeit in Psychologie. Meine Erfahrungen aus dem Studium teile ich gerne, damit Studierenden statistische Themen leichter fallen. Hast du Fragen? Dann schreibe gerne einen Kommentar unter einen der Artikel.

2 Kommentare

Manuel
18. August 2020 um 13:40

Vielen Dank, sehr hilfreich. Allerdings wie kann man eine Korrelation graphisch Abbilden?
Vielen Dank!

Antworten

Mandy Theel
Mandy Theel (Scribbr-Team)
18. August 2020 um 18:39

Hallo Manuel,
vielen Dank für deine Frage. Eine Korrelation kannst du beispielsweise durch ein Streudiagramm grafisch darstellen. In SPSS klickst du dazu oben rechts auf den Reiter Grafik und dann Diagrammerstellung -> Streu/- Punktdiagramm -> einfaches Streudiagramm. Dann kannst du die beiden Variablen auswählen, für die du das Streudiagramm erstellen möchtest.

Antworten

Hinterlasse einen Kommentar oder eine Frage

Please click the checkbox on the left to verify that you are a not a bot.