Zusammenhänge und Vorhersagen
Wir haben nun unterschiedliche Möglichkeiten kennengelernt, Variablen zu beschreiben: Mit Kennwerten, Tabellen oder Grafiken können wir die wesentlichen Merkmale von Verteilungen übersichtlich darstellen. Wir wollen im nun folgenden Buchteil unseren Blickwinkel über das reine Beschreiben hinaus ausweiten und in zwei weitere wesentliche Bereiche empirischer Forschung vordringen: dem Erklären und dem Vorhersagen. In der beschreibenden Statistik können Muster aufgedeckt werden, zum Beispiel, dass Samstags mehr eingekauft wird als an anderen Tagen oder dass bestimmte Filialen einer Burger-Kette mehr Umsatz machen als andere. Um nun Erklärungen zu liefern, warum dies so ist, werden wir uns zunächst den Zusammenhängen zwischen zwei Variablen widmen. Hierbei steht die Frage im Mittelpunkt, ob zwei Variablen unabhängig voneinander sind oder ob es eine irgendwie geartete Abhängigkeit zwischen den Variablen gibt. Wir wollen zum Beispiel klären, ob die Freundlichkeit des Personals in einem Burger-Restaurant (z.B. gemessen in 0-5 Sternen) zusammenhängt mit dem Umsatz der jeweiligen Filiale und wir wollen hierbei auch klären, wie stark dieser Zusammenhang ist (das ist die sogenannte Korrelation). Falls wir eine Abhängigkeit feststellen, so können wir im nächsten Schritt die eine Variable (z.B. Freundlichkeit des Personals) zur Vorhersage der anderen Variable (Umsatz der Filiale) nutzen (das nennt man dann Regression). Hierdurch können wir z.B. die Frage beantworten, wie viel mehr Umsatz in einer Filiale erreicht werden kann, wenn die Zufriedenheit mit dem Personal um einen Stern steigt. Starten wir nun gemeinsam in die Welt der Erklärung und der Vorhersage von Zusammenhängen!