Eine Korrelation ist ein statistischer Zusammenhang zwischen zwei Merkmalen: Hohe Werte im einen gehen mit hohen oder mit niedrigen Werten im anderen einher. Gemessen wird sie mit dem Korrelationskoeffizienten, der Werte zwischen −1 und +1 annimmt. Das Vorzeichen gibt die Richtung an, der Betrag die Stärke. Werte nahe +1 stehen für einen starken gleichgerichteten, Werte nahe −1 für einen starken gegenläufigen linearen Zusammenhang, Werte nahe 0 für keinen linearen Zusammenhang. In der Wirtschaftspsychologie begegnet die Korrelation in Statistikmodulen, in der Testkonstruktion und in vielen Fragebogenstudien.
Grundlagen und Herkunft der Korrelation
Die Idee geht auf Francis Galton zurück, der untersuchte, wie stark Merkmale einer Generation in der nächsten wiederkehren. Karl Pearson gab dem Maß 1896 eine mathematisch strenge Form, den Produkt-Moment-Korrelationskoeffizienten. Der Rangkorrelationskoeffizient ist nach Charles Spearman benannt; zitiert wird dafür sein Aufsatz von 1904. Im Studium werden vor allem diese beiden Koeffizienten verwendet:
- Pearson-Korrelation r: für zwei metrische Merkmale mit linearem Zusammenhang, üblicherweise bei annähernd normalverteilten Daten.
- Spearman-Rangkorrelation ρ: rechnet mit Rangplätzen. Sie eignet sich, wenn die Normalverteilung nicht gegeben ist, und erfasst auch Zusammenhänge, die gleichsinnig, aber nicht geradlinig verlaufen.
Das Quadrat des Koeffizienten heißt Bestimmtheitsmaß. Bei r = 0,7 oder r = −0,7 ist r² = 0,49: 49 Prozent der Streuung des einen Merkmals lassen sich durch den linearen Zusammenhang mit dem anderen erklären. Weil r meist aus einer Stichprobe stammt, wird oft ein 95-Prozent-Konfidenzintervall angegeben; es grenzt den Bereich ein, in dem die Korrelation in der Grundgesamtheit plausibel liegt.
In der Testkonstruktion sind viele Kennwerte Korrelationen: die Trennschärfe einer Frage als Korrelation mit dem Gesamtwert, die Retest-Reliabilität als Korrelation zweier Messzeitpunkte und die Kriteriumsvalidität als Korrelation mit einem Außenkriterium.
Vier Streudiagramme mit je 30 simulierten Wertepaaren. Bei r gleich 0 bilden die Punkte eine runde Wolke ohne Richtung. Bei r gleich 0,3 steigt die Wolke leicht an. Bei r gleich 0,7 liegen die Punkte deutlich enger um eine steigende Linie. Bei r gleich minus 0,7 fallen sie ebenso deutlich ab. Darunter zwei Hinweise: r misst nur lineare Zusammenhänge, und eine dritte Variable kann einen Zusammenhang erzeugen.
Korrelation im Studium der Wirtschaftspsychologie
Die Korrelation gehört zum Stoff der Statistikmodule. Methoden oder Statistik führen 69 von 95 erfassten Anbietern laut Recherche, Stand Oktober 2026, in Studiengangsnamen, Schwerpunkten oder Modullisten. Wo die Korrelation in solchen Modulen steht, zeigt der Ratgeber zur Statistik im Wirtschaftspsychologie-Studium. Typische Klausuraufgaben:
- r aus einem Streudiagramm schätzen und Vorzeichen und Stärke deuten
- zwischen Pearson und Spearman wählen und die Wahl mit dem Skalenniveau und der Verteilung begründen
- r² berechnen und als Anteil erklärter Streuung formulieren
- prüfen, ob ein Zusammenhang auch in der Grundgesamtheit besteht; wie das Ergebnis eines solchen Tests zu lesen ist, erklärt der Eintrag Signifikanz (p-Wert)
Korrelation und Regressionsanalyse hängen eng zusammen: Die Korrelation beschreibt die Stärke eines Zusammenhangs, die Regression fasst ihn in eine Gleichung, mit der sich ein Merkmal aus dem anderen vorhersagen lässt.
In der Praxis: Zufriedenheit und Leistung
Ein Beispiel aus der Arbeits- und Organisationspsychologie: Judge u. a. (2001) schätzten in einer Metaanalyse über 312 Stichproben die mittlere korrigierte Korrelation zwischen Arbeitszufriedenheit und Arbeitsleistung auf 0,30. Ob Zufriedenheit zu Leistung führt oder Leistung zu Zufriedenheit, lässt sich aus dem Wert nicht ablesen; der Beitrag ordnet die Forschung sieben Modellen des Zusammenhangs zu, von denen keines schlüssig bestätigt ist.
Grenzen: Kausalität, Ausreißer, Linearität
- Keine Kausalität: Eine dritte Variable, die mit beiden Merkmalen zusammenhängt, kann einen Zusammenhang erzeugen, auch einen starken. Man spricht dann von einer Scheinkorrelation.
- Nur linear: Ein Koeffizient nahe 0 schließt einen kurvenförmigen Zusammenhang nicht aus.
- Ausreißer: Ein einzelner extremer Punkt kann eine starke Korrelation vortäuschen; Ausreißer und Häufungen können r verzerren.
- Unabhängige Beobachtungen: Wiederholte Messungen derselben Person zählen nicht als unabhängige Wertepaare.
Vor jeder Berechnung steht deshalb der Blick auf das Streudiagramm. Anscombe (1973) zeigte mit vier konstruierten Datensätzen, dass gleiche Mittelwerte, Varianzen, Korrelationen und Regressionsgeraden zu ganz unterschiedlichen Punktwolken gehören können.