Listen Top Shows Blog

#10: Vorsicht Korrelation! Warum Zusammenhänge nicht zwingend ursächlich sind.

#10: Vorsicht Korrelation! Warum Zusammenhänge nicht zwingend ursächlich sind.

Update: 2025-06-06

Share

Description

In Folge 10 hinterfragen wir die statistischen Analyse von Zusammenhängen. Wir erklären, warum Korrelation nicht mit Kausalität gleichgesetzt werden darf und warum eine inhaltliche Diskussion statistisch nachgewiesener Zusammenhänge auf jeden Fall geboten ist.

Feedback

Wenn Sie / ihr den Podcast insgesamt (oder auch nur einzelne Folgen) angehört haben / habt, würden wir uns über ein Feedback sehr freuen! Rückmeldungen und Anregungen können gern unter folgendem Link gegeben werden:

Link zum Feedbackformular

Comments

In Channel

#11: Auch ein blindes Huhn findet mal ein Korn. Falsch signifikante Resultate im Kontext des multiplen Testens.

#11: Auch ein blindes Huhn findet mal ein Korn. Falsch signifikante Resultate im Kontext des multiplen Testens.

2025-06-0616:22

#12: Der mittlere Patient. Wie kommuniziere ich statistische Resultate?

#12: Der mittlere Patient. Wie kommuniziere ich statistische Resultate?

2025-06-0619:46

#07: Alles ist relativ! Wirklich? Über den Einsatz absoluter und relativer Größen.

#07: Alles ist relativ! Wirklich? Über den Einsatz absoluter und relativer Größen.

2025-06-0613:44

#08: Unsicherheiten vermessen. Die Bedeutung von Wahrscheinlichkeitsaussagen.

#08: Unsicherheiten vermessen. Die Bedeutung von Wahrscheinlichkeitsaussagen.

2025-06-0620:02

#09: Signifikant oder nicht signifikant? Alles eine Frage der Perspektive!

#09: Signifikant oder nicht signifikant? Alles eine Frage der Perspektive!

2025-06-0620:26

#10: Vorsicht Korrelation! Warum Zusammenhänge nicht zwingend ursächlich sind.

#10: Vorsicht Korrelation! Warum Zusammenhänge nicht zwingend ursächlich sind.

2025-06-0619:58

#01: Datenwissenschaften und Statistik. Gegner, Partner, Zwillinge, …?

#01: Datenwissenschaften und Statistik. Gegner, Partner, Zwillinge, …?

2025-06-0615:14

#02: Maschinelles Lernen. Alter Wein in neuen Flaschen … oder tatsächlich ein Energy-Drink?

#02: Maschinelles Lernen. Alter Wein in neuen Flaschen … oder tatsächlich ein Energy-Drink?

2025-06-0617:46

#03: Mysteriöse Muster … erkennen oder (und) erklären?

#03: Mysteriöse Muster … erkennen oder (und) erklären?

2025-06-0612:51

#04: Modelle. Spielzeug oder (notwendiges) Werkzeug?

#04: Modelle. Spielzeug oder (notwendiges) Werkzeug?

2025-06-0620:10

#05: Viel hilft viel? Wie Heterogenität und Fallzahl die (Un-)Sicherheit von Aussagen beeinflussen.

#05: Viel hilft viel? Wie Heterogenität und Fallzahl die (Un-)Sicherheit von Aussagen beeinflussen.

2025-06-0620:39

#06: Der P-Wert. oder: Gibt es in der Statistik „alternative Fakten“?

#06: Der P-Wert. oder: Gibt es in der Statistik „alternative Fakten“?

2025-06-0618:09

#13: Die Zeit ist reif … für ein paar Gedanken zur Überlebenszeitanalyse

#13: Die Zeit ist reif … für ein paar Gedanken zur Überlebenszeitanalyse

2025-06-2515:37

#14: Vorsicht - Hazard! Wovor man sich bei Überlebenszeitvergleichen in Acht nehmen sollte

#14: Vorsicht - Hazard! Wovor man sich bei Überlebenszeitvergleichen in Acht nehmen sollte

2025-06-2520:50

00:00

00:00

1.0x

#10: Vorsicht Korrelation! Warum Zusammenhänge nicht zwingend ursächlich sind.

#10: Vorsicht Korrelation! Warum Zusammenhänge nicht zwingend ursächlich sind.

Anne Röhle & Ingo Röder