Korrelation als Kausalität

Der König unter den Fehlschlüssen ist die Korrelation als Kausalität, auch wenn es sich nicht um einen Fehlschluss im strengen Sinn handelt. Eher liegt bei der Verwechslung von Korrelation und Kausalität ein Deutungsfehler vor. Im Einzelnen:

Korrelation: „(mittellat. correlatio für ‚Wechselbeziehung‘) beschreibt eine Beziehung zwischen zwei oder mehreren Merkmalen, Ereignissen, Zuständen oder Funktionen“ (Wikipedia). Kurz: Das eine steht in Beziehung zum anderen, bedingt es aber nicht zwingend. Im Wissenschaftsbetrieb wird Korrelation vorrangig statistisch verwendet. Zwei oder mehrere Dinge werden empirisch aufeinander bezogen, was einen bestimmten Messwert ergibt. Beispielsweise korrelieren Übergewicht und Lebenserwartung. Das heißt aber nicht, dass Übergewicht die Lebenserwartung kausal bedingt, dass also übergewichtige Menschen zwingend früher sterben als andere. Eine Korrelation gibt bestenfalls Hinweise. Ein ebenso einschlägiges wie lustiges Beispiel hat mit Störchen zu tun. Der Rückgang der Storchpopulation in einem Gebiet kann durchaus mit dem Rückgang der Zahl neugeborener Kinder im selben Gebiet korrelieren. Das eine als Bedingung des anderen darzustellen, erlauben sich trotzdem nur Spaßvögel.

Kausalität: „(lat. causa ‚Ursache‘) ist die Beziehung zwischen Ursache und Wirkung oder ‚Aktion‘ und ‚Reaktion‘, betrifft also die Abfolge aufeinander bezogener Ereignisse und Zustände“ (Wikipedia). Das eine verursacht das andere. Diese Form des Beweises ist deutlich schwerer zu erbringen, weil ausgeschlossen werden muss, dass auch (oder noch) andere Dinge zur Wirkung geführt haben. Wenn beispielsweise ein Kind mit nassen Haaren bei 4 Grad ohne Mütze draußen herumgelaufen ist und am nächsten Tag krank wird, spricht man landläufig davon, dass das eine die Ursache des anderen sei. Das kann stimmen, muss es aber nicht, weil wir nicht wissen, ob das Kind auch krank geworden wäre, wenn es eine Mütze auf dem Kopf gehabt hätte. Die Ursache-Wirkungs-Relation ist vielleicht plausibel, zwingend ist sie nicht. Mit Kausalitäten sollte also immer vorsichtig umgegangen werden, nicht nur in den Geistes- und Sozialwissenschaften, sondern auch in den sogenannten Hard Sciences. In allen Fächern kommt es auf die formale und logische Auswertung von Ergebnissen an.

Ein Beispiel:

Der häufige und ausdauernde Konsum von Ego-Shootern (sogenannte Ballerspiele) macht Jugendliche aggressiv und führt bisweilen zu Gewaltexzessen und Amokläufen an Schulen.

Dieses Thema ist lange und intensiv diskutiert worden, vor allem in Politik und Medien. Beinahe durchgängig saßen die Kommentatoren der Verwechslung von Korrelation und Kausalität auf, wobei noch nicht einmal eine belastbare Korrelation zwischen Amokläufen und Computerspielen gezeigt werden konnte. Und dennoch wurde, in einer abenteuerlichen Vereinfachung der jeweiligen Situation, ein Element des Sozialverhaltens Jugendlicher für die Taten verantwortlich gemacht, verbunden mit Verbotsforderungen. Genaue empirische Untersuchungen könnten bestenfalls eine Korrelation ausmachen, die – lässt sich vermuten – auch nur die konkrete Art der Tat betreffen dürfte. Kausalität würde für diesen Fall bedeuten, dass der Jugendliche auch in ganz anderen Familienverhältnissen hätte aufwachsen können, andere oder keine Gewalterfahrungen hätte durchleben müssen, andere Freunde hätte haben können usw., aber in allen Fällen gälte: Wenn er Ballerspiele in einem bestimmten Maß spielt, wird er Amokläufer. Kurz: Kausalität würde bedeuten, dass alle Spieler, die ein gewisses Maß überschreiten, zwingend Amokläufer werden.

Wissenschaftliche Komplexität: Wie üblich sind die Dinge in den Wissenschaften komplizierter als hier dargestellt. Je nach Fach und methodischer Perspektive werden Kausalitäten mit unterschiedlichen Attributen präzisiert, was feinere Abstufungen und genauere Analysen ermöglicht. Die epidemiologische Ursachen-Forschung zum Beispiel unterscheidet zwischen verschiedenen Formen der Kausalität: hinreichende Ursachen, ausreichende Ursachen, sich ergänzende Ursachen, probabilistische (alsowahrscheinlichkeitsbezogene) Ursachen etc. Dies erlaubt einen genaueren Blick besonders dann, wenn allgemeine Aussagen über Krankheiten und ihre Gründe formuliert werden sollen.