Zurück zur Startseite

Logo cropped
KARDIOTECHNIK Ausgabe: 4-2022
https://doi.org/10.47624/kt.031.BAND9962

Statistik Teil 4: Korrelationen

Die KARDIOTECHNIK stellt in der Rubrik Tutorials relevante Methoden für wissenschaftliche Arbeiten zur klinischen Perfusion vor.

M. Kohl, F. Münch 

Zusammenfassung

Fazitbox 

 PRO UND CONTRA KORRELATIONSANALYSEN:  

Pro  

  • Mit Rangkorrelationen lassen sich auf einfache Weise monotone Zusammenhänge zwischen zwei Variablen untersuchen.  
  • Rangkorrelationen weisen eine gewisse Robustheit gegenüber Ausreißern auf und sollten verstärkt in medizinischen Anwendungen anstelle der Pearson-Korrelation zum Einsatz kommen. Konfidenzintervalle können z. B. mit  Hilfe von Bootstrap berechnet werden.    

Contra  

  • Korrelation darf nicht mit einem Kausalzusammenhang gleichgesetzt werden.  
  • Die Pearson-Korrelation reagiert sehr sensibel auf Ausreißer und sollte außerdem nur bei Vorliegen eines linearen Zusammenhangs angewendet werden.  
  • Korrelationsanalysen eignen sich nicht zur Untersuchung von nicht-monotonen Zusammenhängen. 

Als Mitglied bekommen Sie an dieser Stelle den Volltext angezeigt. Bitte loggen Sie sich hier ein.

Nichtmitglieder wenden sich bei Interesse bitte an die Geschäftsstelle.

Literatur

LITERATUR 

  1. Simon HA. Spurious Correlation: A Causal Interpretation. Journal of the American Statistical Association 49, 1954; no.267:467–479. 
  1. Matthews R. Storks Deliver Babies (p= 0.008). Teaching Statistics 2000; 22: 36-38. 
  1. Seite „Cum hoc ergo propter hoc“. In: Wikipedia – Die freie Enzyklopädie. Bearbeitungs- stand: 30. August 2022; 04:57 UTC. URL: https://de.wikipedia.org/w/index. php?title=Cum_hoc_ergo_ propter_ hoc&oldid=225752253 (Abgerufen: 10. September 2022, 07:43 UTC) 
  1. Weiß C. Basiswissen Medizinische Statistik. 2019; 7. Auflage, Springer-Verlag. 
  1. R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing 2022; Vienna, Austria. URL https://www.R-project.org/. 
  1. Kohl M. MKdescr: Descriptive Statistics. R package version 0.7.; 2021. 
  1. Wickham H. ggplot2: Elegant Graphics for Data Analysis. 2016; Springer-Verlag New York. 
  1. Anscombe FJ. Graphs in statistical analysis. The American Statistician 1973; 27:17-21. 
  1. Rousseeuw PJ, Leroy AM. Robust Regression and Outlier Detection. 1987; Wiley. 
  1. Rieder H. A general robustness property of rank correlations. Communications in Statistics – Theory and Methods, 1982; 11(3):233–234. 
  1. Hedderich J, Sachs L. Angewandte Statistik. Methodensammlung mit R. 2020; 17. Auflage, Springer-Verlag. 
  1. Kohl M, Münch F. Statistik Teil 3: Konfidenzintervalle. Kardiotechnik 2022; 31(3):95-98; doi: 10.47624/kt.031.QQOV9624. 
  1. Schober P, Boer C, Schwarte L. Correlation Coefficients: Appropriate Use and Interpretation. Anesthesia & Analgesia 2018; 126(5):1763-68. 

Prof. Dr. Matthias Kohl 

Department of Medical and Life Sciences Institute of Precision Medicine Hochschule Furtwangen 

Jakob-Kienzle-Str. 17, 

78054 Villingen-Schwenningen (Germany)  

E-Mail: kohl@hs-furtwangen.de  

www.hs-furtwangen.de 

www.life-data-science.org 

Einloggen in den Mitgliederbereich

Nutzen Sie Ihre SEWOBE-Zugangsdaten oder Ihre Mailadresse um sich anzumelden. Bei Problemen klicken sie hier.

Für alle, die sich schon einmal im internen Bereich eingeloggt haben:

×

Login fuer Mitglieder

SEWOBE Passwort zurücksetzen
Registrierung für Nichtmitglieder