Es gibt einige Punkte, die ein Forscher wissen sollte, um die statistischen Assoziationsmaße besser zu verstehen.

• Erstens sollte der Forscher wissen, dass Assoziationsmaße nicht dasselbe sind wie Maße der statistischen Signifikanz. Es ist möglich, dass eine schwache Assoziation statistisch signifikant ist; es ist auch möglich, dass eine starke Assoziation statistisch nicht signifikant ist.

• Bei Assoziationsmaßen bedeutet ein Wert von Null, dass keine Beziehung besteht. Wenn bei einer Korrelationsanalyse der Koeffizient (r) einen Wert von eins hat, bedeutet dies, dass eine perfekte Beziehung zwischen den interessierenden Variablen besteht. Wenn bei einer Regressionsanalyse das standardisierte Beta-Gewicht (β) den Wert eins hat, bedeutet dies ebenfalls, dass eine perfekte Beziehung zu den interessierenden Variablen besteht. Der Forscher sollte beachten, dass bivariate Assoziationsmaße (z. B. Pearson-Korrelationen) für krummlinige Beziehungen oder diskontinuierliche Beziehungen ungeeignet sind.

Resourcen

Gibbons, J. D. (1993). Nonparametric measures of association. Thousand Oaks, CA: Sage Publications.

Liebetrau, A. M. (1983). Measures of association. Newbury Park, CA: Sage Publications.

Siegel, S. (1956). Nonparametric Statistics For The Behavioral Sciences. New York: McGraw-Hill.

Wilcox, R. R. (2007). Local Measures of Association: Estimating the derivative of the regression line. British Journal of Mathematical and Statistical Psychology, 60, 107-117.