Zum Inhalt springen 
In der Statistik begegnen uns häufig diskrete (kategoriale) Variablen, wie zum Beispiel Geschlecht, Bildungsniveau oder Antwortkategorien bei einer Umfrage. Um den Zusammenhang zwischen solchen Variablen zu analysieren, nutzt man Zusammenhangsmaße speziell für diskrete Daten. In diesem Blog-Post erfährst du, welche Maße es gibt, wie sie funktionieren und wie du sie in R berechnen kannst.
Kontingenztabellen: Der Ausgangspunkt
Der häufigste Ansatz, um den Zusammenhang zwischen diskreten Variablen darzustellen, ist die Kontingenztabelle. Diese Tabelle zeigt, wie oft jede Kombination von Kategorien der beiden Variablen in deinen Daten vorkommt. Ein einfaches Beispiel könnte eine Untersuchung sein, ob das Geschlecht (männlich/weiblich) einen Einfluss auf die Wahl eines Studiengangs hat (z.B. Mathematik/Informatik).
Beispiel einer 2×2-Kontingenztabelle:
| Mathematik | Informatik | |
|---|---|---|
| Männlich | 40 | 30 |
| Weiblich | 25 | 35 |
Die Frage ist nun, ob es einen statistisch signifikanten Zusammenhang zwischen dem Geschlecht und der Wahl des Studiengangs gibt.
Chi-Quadrat-Test: Ein erstes Werkzeug
Der Chi-Quadrat-Test ist das Standardverfahren, um zu überprüfen, ob ein Zusammenhang zwischen den Variablen besteht. Der Test vergleicht die beobachteten Häufigkeiten in der Kontingenztabelle mit den erwarteten Häufigkeiten, falls die Variablen unabhängig wären.
Die Formel für den Chi-Quadrat-Wert lautet:
$\chi^2 = \sum \frac{(O_i – E_i)^2}{E_i}$
Dabei sind $O_i$ die beobachteten Häufigkeiten und $E_i$ die erwarteten Häufigkeiten.
Berechnung in R
Schauen wir uns an, wie du diesen Test in R berechnen kannst. Nehmen wir an, du hast die oben genannte Tabelle, und möchtest den Chi-Quadrat-Test durchführen.
# Kontingenztabelle eingeben
daten <- matrix(c(40, 30, 25, 35), nrow = 2, byrow = TRUE)
colnames(daten) <- c("Mathematik", "Informatik")
rownames(daten) <- c("Männlich", "Weiblich")
# Chi-Quadrat-Test durchführen
chisq.test(daten)
Dieser Code gibt dir das Ergebnis des Chi-Quadrat-Tests und zeigt, ob der Zusammenhang signifikant ist. Wenn der p-Wert kleiner als 0,05 ist, kannst du einen Zusammenhang zwischen den beiden Variablen vermuten.
Odds Ratio: Ein nützliches Maß für 2×2-Tabellen
Für 2×2-Kontingenztabellen kannst du zusätzlich das Odds Ratio verwenden, um die Stärke des Zusammenhangs zu quantifizieren. Das Odds Ratio (OR) berechnet das Verhältnis der Chancen für ein bestimmtes Ereignis in einer Gruppe im Vergleich zu einer anderen Gruppe.
Die Formel für das Odds Ratio in einer 2×2-Tabelle ist:
$OR = \frac{(a/c)}{(b/d)}$
wobei $a$, $b$, $c$, und $d$ die Zellen der Tabelle darstellen.
Berechnung des Odds Ratios in R:
# Paket für Odds Ratios laden
install.packages("epitools")
library(epitools)
# Odds Ratio berechnen
oddsratio(daten)
Kontingenzkoeffizient: Ein alternatives Maß
Ein weiteres Maß, das du verwenden kannst, ist der Kontingenzkoeffizient KKK, der auf dem Chi-Quadrat-Wert basiert und den Zusammenhang quantifiziert. Der Kontingenzkoeffizient ist besonders nützlich, wenn du größere Tabellen als 2×2 hast.
Die Formel für den Kontingenzkoeffizienten lautet:
$K = \sqrt{\frac{\chi^2}{\chi^2 + n}}$
Hier ist $n$ die Gesamtzahl der Beobachtungen.
Berechnung in R
Du kannst den Kontingenzkoeffizienten mit einem einfachen R-Skript berechnen:
# Chi-Quadrat-Test erneut durchführen
chi_result <- chisq.test(daten)
# Kontingenzkoeffizienten berechnen
K <- sqrt(chi_result$statistic / (chi_result$statistic + sum(daten)))
K
Fazit
Zusammenhangsmaße wie der Chi-Quadrat-Test, das Odds Ratio und der Kontingenzkoeffizient sind unverzichtbare Werkzeuge, um Abhängigkeiten zwischen diskreten Variablen zu analysieren. Sie helfen dir, Daten in einer klaren und prägnanten Weise zu interpretieren und Entscheidungen basierend auf statistischen Tests zu treffen.
Mit R kannst du diese Maße leicht berechnen und damit deine Datenanalyse auf die nächste Stufe heben. Probier es selbst aus und finde heraus, welche Variablen in deinen Daten zusammenhängen!