Kausalität in der Wirtschaft: Zusammenhänge prüfen

Eine Korrelation ist ein Zusammenhang zwischen Merkmalen in Daten. Daten sind gesammelte Angaben, etwa Besucherzahlen und verkaufte Waren. Ein Merkmal ist etwas, das du beobachten oder messen kannst. Wenn höhere Werte des einen Merkmals häufig mit höheren Werten des anderen auftreten, spricht man von einer positiven Korrelation. Bei einer negativen Korrelation gehen höhere Werte des einen häufig mit niedrigeren Werten des anderen einher. Diese Wörter beschreiben die Richtung des Zusammenhangs, keine Bewertung als gut oder schlecht.

Kausalität bedeutet einen Zusammenhang von Ursache und Wirkung: Etwas bewirkt eine Veränderung. Die Aussage „Mehr Werbung verursacht mehr Verkäufe“ ist deshalb eine Kausalbehauptung. Sie sagt mehr als „In den Daten gehen mehr Werbung und mehr Verkäufe zusammen“.

Eine Korrelation allein beweist keine Ursache. Auch ein starker Zusammenhang legt die Richtung von Ursache und Wirkung nicht fest. Eine gemeinsame Ursache oder der Zufall können ebenfalls eine Rolle spielen. Um eine Kausalbehauptung zu prüfen, brauchst du deshalb zusätzliche Informationen. Frag zum Beispiel, was sich außerdem verändert hat und wie ein passender Vergleich aussehen könnte.

Alle Fälle und Zahlen in dieser Lektion sind erfundene Lernbeispiele. Sie berichten keine Ergebnisse echter Untersuchungen.

Schreibe eine Kausalbehauptung zuerst als Satz auf: Was soll was verursachen? Prüfe dann die Gegenrichtung. Könnte die vermutete Wirkung stattdessen die vermutete Ursache auslösen? Wenn die Ursache tatsächlich in der anderen Richtung wirkt, spricht man von umgekehrter Kausalität. Eine Korrelation allein entscheidet nicht zwischen den Richtungen.

Stell dir Betriebe mit großen Werbeausgaben und hohen Einnahmen vor. Einnahmen sind Geldbeträge, die durch Verkäufe hereinkommen. Die Behauptung könnte lauten: Große Werbeausgaben führen zu hohen Einnahmen. Als Gegenrichtung musst du prüfen: Ermöglichen hohe Einnahmen erst größere Werbeausgaben? Beide Richtungen könnten auch gemeinsam vorkommen. Welche zutrifft, ist mit der Korrelation noch offen.

Suche danach eine Drittvariable. So heißt ein weiteres Merkmal, das beide betrachteten Merkmale beeinflussen kann. Bei einer gemeinsamen dritten Ursache kann der beobachtete Zusammenhang bestehen, obwohl das eine das andere nicht verursacht. Die Zahlen sind dann nicht erfunden; ihre Deutung als direkte Ursache ist das Problem.

Achte auch auf die zeitliche Reihenfolge. Eine Ursache muss ihrer Wirkung vorausgehen. Dass etwas früher passiert, beweist aber noch keine Ursache: Ein weiterer Einfluss könnte dahinterstecken. Formuliere Gegenrichtung und Drittvariable deshalb als Möglichkeiten, solange du keine passenden Belege hast.

Ein Untersuchungsdesign ist der Plan einer Untersuchung: Wen vergleichst du, was veränderst du und was misst du? Ein bloßer Vorher-nachher-Vergleich reicht oft nicht. Wenn ein Laden nach einer Änderung mehr verkauft, könnten auch Ferien oder andere Veränderungen den Verkauf beeinflusst haben. Du weißt noch nicht, wie sich der Verkauf ohne die Änderung entwickelt hätte.

Bei einem Experiment verändert ein Forscher gezielt etwas und beobachtet die Folgen. In einer randomisierten kontrollierten Studie werden die Teilnehmer durch Zufall auf Gruppen verteilt, etwa per Los. Randomisiert bedeutet zufällig zugeteilt. Kontrolliert bedeutet, dass es eine Vergleichsgruppe gibt. Die Versuchsgruppe erhält die untersuchte Änderung, die Kontrollgruppe dient zum Vergleich ohne diese Änderung oder mit einer anderen Maßnahme.

Stell dir einen Versandhändler vor, der die Wirkung eines Gutscheins untersuchen will. Er lost aus, welche Kunden einen Gutschein erhalten. Eine gleichzeitig beobachtete Vergleichsgruppe erhält keinen. Die Auswahl hängt dadurch nicht davon ab, wer schon besonders viel kauft. Andere Bedingungen sollen möglichst gleich sein. So lässt sich ein Unterschied im Kaufverhalten überzeugender dem Gutschein zuordnen als bei einem Vergleich von freiwilligen Gutscheinbenutzern mit anderen Kunden.

Das Losverfahren ist keine Garantie für völlig gleiche Gruppen. Besonders bei wenigen Teilnehmern können Unterschiede bleiben. Auch die Durchführung und die Messung müssen passen. Ein Ergebnis für bestimmte Kunden gilt außerdem nicht ohne weitere Prüfung für andere Kunden oder Zeiten.

Bei einem natürlichen Experiment entsteht die Gruppeneinteilung durch ein äußeres Ereignis, das der Forscher nicht steuert. Er beobachtet zum Beispiel die Folgen einer Regeländerung für eine betroffene und eine nicht betroffene Gruppe. Er hat die Gruppen nicht selbst ausgelost. Deshalb muss er sorgfältig prüfen, ob sie sinnvoll vergleichbar sind und ob weitere Veränderungen den Unterschied erklären könnten.