Zusammenhangmaße

Zusammenhangmaße erlauben es Dir, Aussagen über Stärke und Richtung des Zusammenhangs zweier oder mehrerer Merkmale oder Rangbewertungen zu treffen.

Zusammenhangmaße zwischen Merkmalen lassen sich nach dem Skalenniveau, der Anzahl der berücksichtigten Merkmale und der Art des Zusammenhangs unterscheiden, auf den sie sich beziehen.

Welche Zusammenhangsmaße gibt es?

Name des Maßes	Skalenniveau	Art des Zusammen- hangs	Anzahl der Merkmale	Bemerkung
Kovarianz	metrisch	linear	2	wegen fehlender Normierung nicht für den Vergleich geeignet
Korrelations- koeffizient	metrisch	linear	2	auf das Intervall [-1;1] normierte Kovarianz, daher für den Vergleich geeignet
Spearmans Rangkorrelations- koeffizient	ordinalskaliert	beliebig	2	Berechnung des Korrelationskoeffizienten wird auf die Rangwerte der Beobachtungen angewendet, liegt im Intervall [-1;1]
Chi-Quadrat-Koeffizient	beliebig	beliebig	2	Vergleich zwischen den beobachteten und unter Unabhängigkeit erwarteten Häufigkeiten; wegen fehlender Normierung nicht für den Vergleich geeignet
Kontingenz- koeffizient	beliebig			basiert auf dem -Koeffizienten, normiert auf [0;1]
Cramer´s V	beliebig	beliebig	2	basiert auf dem -Koeffizienten, normiert auf [0;1]
Kendalls Tau	ordinalskaliert	beliebig	2	Zusammenhang zwischen den Beobachtungen mindestens ordinalskalierter Daten, liegt im Intervall [-1;1]

Maße für die Übereinstimmung der Urteil von Ratern

Im Falle von Übereinstimmungsmaßen unterscheidet man je nach der Anzahl von Ratern, deren Urteile man berücksichtigen kann.

Name des Maßes	Skalenniveau	Art des Zusammen- hangs	Anzahl der Merkmale	Bemerkung
Kappa	beliebig	beliebig	beliebig	vergleicht die Urteile zweier Rater, liegt im Intervall [ ; ]
Kendalls Konkordanz- koeffizient	ordinalskaliert	beliebig	beliebig	ermittelt den Grad der Übereinstimmung der Rangfolgen von zwei oder mehr Ratern

PRE-Maße oder Fehlerreduktionsmaße brauchst Du beispielsweise bei der statistischen Modellbildung. Genauer gesagt geben sie an, um wieviel Prozent sich der Prognosefehler reduziert, wenn Du das Modell veränderst oder erweiterst.