STATISTIK-FORUM.de

[Fanny]

Ich hab mal eine ganz dumme Frage, ob ich das richtig verstanden haben: Wenn ich eine sehr große Stichprobenmenge habe, dann kann ich bei einem Korrelationstest nach Pearson trotz eines sehr kleinen Koeffizienten (-0,12) einen niedrigen p-Wert erhalten, was ja heißen würde, die Korrelation ist signifikant, oder? Trotzdem scheint sie laut dem Koeffizienten ja nicht besonders stark. Kann ich also den Schluss ziehen, dass die Variablen korrelieren, aber dies so schwach ist, dass es vernachlässigbar ist? Ich möchte eine lineare Regression machen und muss dafür zunächst testen, ob es Korrelationen zwischen den beteiligten Variablen gibt.

Zwei Beispiele:

a) Pearson's product-moment correlation

data: x and z
t = -3.925, df = 15279, p-value = 8.711e-05
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
-0.04756913 -0.01589017
sample estimates:
cor
-0.03173762

b) Pearson's product-moment correlation

data: x and y
t = -14.4706, df = 15279, p-value < 2.2e-16
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
-0.1318866 -0.1006043
sample estimates:
cor
-0.1162743

[PonderStibbons]

Wieso rechnest Du bei 15'000 (!) Fällen denn noch Signifkanztests? Der Schätzfehler
ist bei einer so riesigen Stichprobe derartig klein, dass p-Wert Berechnungen überflüssig
sind und man gleich zur Einschätzung der Effektstärke übergehen kann. Und natürlich
werden auch fast-mikroskopische Effekte "signifikant" (der Signifikanztest befasst
sich mit der Hypothese, ob wohl die Daten von der Hypothese abweichen, dass in der
Grundgesamtheit r=0,0000000... ist).

Mit freundlichen Grüßen

P.

[Fanny]

Wieso rechnest Du bei 15'000 (!) Fällen denn noch Signifkanztests?

weil ich nicht wirklich Ahnung habe...

Aber vielen Dank für die Antwort, es hat mir weitergeholfen!

[Holgonaut]

Hi,

Ich möchte eine lineare Regression machen und muss dafür zunächst testen, ob es Korrelationen zwischen den beteiligten Variablen gibt.

Warum das? Vorliegende Korrelationen sind kein Grund, eine Variable in eine Regression zu nehmen und nicht vorliegende kein Grund, sie nicht in das Modell zu nehmen.

Nimm die rein, von denen du glabust, dass sie einen Effekt haben.

Gruß
Holger