4,8 Sterne aus 109 Bewertungen

So kontrolliert eine dritte Variable den Zusammenhang zweier Merkmale

Partielle Korrelation: den Einfluss einer Drittvariable herausrechnen

Lesezeit ca. 7 Min. · zuletzt aktualisiert: 2. Oktober 2026 · Korrelation in der Statistik

Eine partielle Korrelation kontrolliert eine Drittvariable, wenn der Zusammenhang zweier Merkmale geprüft werden soll. Die Grundidee besteht darin, beide Ausgangsvariablen rechnerisch um den Einfluss einer dritten zu bereinigen, bevor ihr Zusammenhang beurteilt wird.

Was eine partielle Korrelation misst

Eine partielle Korrelation misst den Zusammenhang zweier Variablen, nachdem der Einfluss einer dritten herausgerechnet wurde. Sowohl das Lexikon der Psychologie bei Spektrum der Wissenschaft als auch das Methodenlehre-Wiki der Psychologie an der TU Dresden fassen diesen Gedanken ähnlich: Zwei Merkmale werden zueinander in Beziehung gesetzt, während der Einfluss einer dritten, mit beiden verknüpften Variable gezielt ausgeschaltet wird. Damit unterscheidet sich die partielle Korrelation von der einfachen Korrelation, die beide Merkmale ohne jede Kontrolle direkt gegenüberstellt und keine Drittvariable berücksichtigt.

Der Ausgangspunkt für diese Betrachtung ist die Korrelation nach Pearson, denn die partielle Korrelation geht von der einfachen, bivariaten Korrelation zwischen zwei Variablen aus und passt diesen Wert anschließend um den Einfluss einer weiteren Variablen an. Der Wikipedia-Artikel zum partiellen Korrelationskoeffizienten liefert dafür eine anschauliche Vorstellung: Das Maß lässt sich als Zusammenhang der Residuen begreifen, also jener Abweichungen, die übrig bleiben, nachdem beide Ausgangsvariablen jeweils getrennt auf die Kontrollvariable regressiert wurden. Wer auf diesem Weg rechnet, bildet für jede der beiden interessierenden Variablen zunächst eine eigene Regression auf die Drittvariable und betrachtet anschließend, wie eng die verbleibenden Abweichungen der beiden Variablen noch miteinander zusammenhängen. Ob und wie stark sich der Wert durch die Kontrolle einer bestimmten Drittvariable verändert, zeigt sich erst bei der konkreten Berechnung der jeweiligen Residuen im Einzelfall. Entscheidend für das Verständnis bleibt die Grundidee: Zwei Variablen werden nicht roh miteinander verglichen, sondern zunächst von jenem Anteil bereinigt, den eine dritte Variable an gemeinsamer Information zu beiden beisteuert. Diese Bereinigung erlaubt eine genauere Einschätzung, wie eng zwei Merkmale tatsächlich zusammenhängen, wenn eine naheliegende Störgröße ausdrücklich aus der Betrachtung herausgenommen werden soll, ohne dass damit bereits eine Aussage über Ursache oder Wirkungsrichtung verbunden wäre.

Partielle Korrelation: der Ablauf in drei Schritten

Ein Beispiel aus dem Lernmodul ViLeS der Universität Oldenburg

Das Lernmodul ViLeS der Universität Oldenburg zeigt die partielle Korrelation an einem konkreten Beispiel. Zwischen zwei Beteiligungsvariablen wird zunächst der nicht-partielle Korrelationskoeffizient berechnet, er beträgt r = 0,69. Wird anschließend der betriebliche Status als Kontrollvariable eingeführt, sinkt der Koeffizient auf 0,548. Werden zusätzlich zum Status auch Ausbildung und Geschlecht als Kontrollvariablen berücksichtigt, ergibt sich ein Wert von 0,528. Die drei Zahlen stehen damit nebeneinander: 0,69 ohne Kontrolle, 0,548 mit einer Kontrollvariable und 0,528 mit drei Kontrollvariablen gleichzeitig.

Die Kontrollvariablen sind in diesem Beispiel untereinander hoch korreliert, und die Korrelation der Ausgangsvariablen bleibt stabil hoch. Eine Aussage darüber, welche der beiden Beteiligungsvariablen die andere bedingt oder ob überhaupt eine Wirkung zwischen ihnen besteht, lässt sich aus den Zahlen nicht ableiten. Das Beispiel macht zugleich einen grundsätzlichen Punkt sichtbar, der bei der Interpretation von Korrelation und Kausalität in diesem konkreten Fall zu bedenken ist: Auch eine partielle Korrelation beweist keine Ursache, selbst wenn sie nach der Kontrolle einer naheliegenden Drittvariable stabil hoch bleibt. Sie liefert lediglich einen bereinigten Zusammenhangswert, keine Aussage über Wirkungsrichtung oder Ursprung des Zusammenhangs. Im Beispiel des Lernmoduls ViLeS bleibt der Zusammenhang der beiden Beteiligungsvariablen auch nach Kontrolle mehrerer Merkmale deutlich erkennbar, ohne dass damit eine Ursache benannt wird. Dass der Koeffizient in diesem Beispiel nach Kontrolle der Drittvariablen sinkt, beweist für sich allein keine Scheinkorrelation der beiden Beteiligungsvariablen.

So lässt sich die partielle Korrelation in SPSS berechnen

Wer eine partielle Korrelation in SPSS berechnen möchte, geht von der gewöhnlichen, einfachen bivariaten Korrelation in SPSS als Ausgangspunkt aus und erweitert die Analyse anschließend um eine Kontrollvariable. Das Lernmodul ViLeS der Universität Oldenburg beschreibt dafür einen direkten Weg über ein eigenes Analysemodul.

  1. In SPSS das Modul Analysen > Korrelation > Partiell aufrufen.
  2. Die Kontrollvariablen in die Rubrik Kontrollvariablen eintragen.

Alternativ lässt sich die einfache partielle Korrelation auch in zwei Schritten über die lineare Regression berechnen. Dabei wird zunächst über Analysieren > Regression > Linear für jede der beiden interessierenden Variablen eine Regression auf die Kontrollvariable gerechnet und die jeweiligen Restwerte gespeichert, bevor man diese gespeicherten Restwerte im zweiten Schritt miteinander korreliert. Dieser zweite Weg macht den Zusammenhang zwischen partieller Korrelation und Residuen unmittelbar sichtbar, weil die gespeicherten Reste genau jene Information enthalten, die nach Abzug der Kontrollvariable übrig bleibt. Das Rechenergebnis gibt dann an, wie eng die beiden ursprünglichen Variablen noch zusammenhängen, wenn der Einfluss der Kontrollvariable rechnerisch abgezogen ist. Sowohl der direkte Weg über das Partiell-Modul als auch der Umweg über gespeicherte Residuen beruhen auf derselben Grundidee: Beide Ausgangsvariablen werden zuerst um einen gemeinsamen Einflussfaktor bereinigt, bevor ihr verbleibender Zusammenhang gemessen wird. Die bivariate Korrelation in SPSS und die partielle Korrelation unterscheiden sich damit genau durch diesen Bereinigungsschritt. Bei Unsicherheit, welche der beiden Vorgehensweisen zur eigenen Fragestellung passt, kann die Methodenberatung der Hochschule weiterhelfen.

Partielle Korrelation: Prüfliste mit vier Punkten

Grenzen der partiellen Korrelation

Die partielle Korrelation rechnet den Einfluss einer ausdrücklich eingegebenen Drittvariable heraus, sie hat jedoch deutliche Grenzen, die bei der Interpretation zu beachten sind.

  • Sie kontrolliert nur die Variablen, die ausdrücklich in die Berechnung eingegeben werden, nicht jede denkbare weitere Einflussgröße.
  • Eine geschrumpfte Korrelation nach Kontrolle einer Drittvariable beweist für sich allein keine Scheinkorrelation der ursprünglichen Variablen.
  • Sie sagt nichts über die Richtung einer Wirkung zwischen den beiden betrachteten Variablen aus.

Diese drei Punkte zeigen, dass das Maß eine rein rechnerische Bereinigung liefert und keine inhaltliche Erklärung für den beobachteten Zusammenhang. Besonders wichtig ist dabei die Unterscheidung zwischen Mediation und Moderation, denn beide Konzepte fragen auf unterschiedliche Weise nach der Rolle einer dritten Variable: Während die eine Frage ist, ob eine dritte Variable einen Zusammenhang vermittelt, fragt die andere, ob sie die Stärke oder Richtung eines Zusammenhangs verändert. Die partielle Korrelation beantwortet keine dieser beiden Fragen, sie liefert lediglich einen um eine bestimmte Kontrollvariable bereinigten Zahlenwert. Bei der Deutung dieses Zahlenwerts hilft der Blick auf den allgemeinen Wertebereich eines Korrelationskoeffizienten, der von minus eins bis plus eins reicht und die Stärke sowie die Richtung eines linearen Zusammenhangs ausdrückt. Bei der Einordnung eines einzelnen Wertes hilft dieser Wertebereich gleichermaßen, unabhängig davon, ob im konkreten Fall eine einfache oder eine partielle Korrelation betrachtet wird. Wer sich unsicher ist, ob für die eigene Fragestellung eine partielle Korrelation, ein Mediationsmodell oder ein anderes Verfahren angemessen ist, sollte diese Entscheidung mit der betreuenden Person oder der Methodenberatung der eigenen Hochschule besprechen.

Quellen und Stand

Soll jemand deinen Ergebnisteil vor der Abgabe sprachlich und formal prüfen?

Datei hochladen

Häufige Fragen zur partiellen Korrelation

Warum unterscheidet sich eine partielle Korrelation von der einfachen Korrelation zwischen zwei Variablen?

Die einfache Korrelation betrachtet zwei Variablen ohne weitere Anpassung, während die partielle Korrelation den Einfluss einer zusätzlich eingegebenen Drittvariable herausrechnet. Dadurch kann der Koeffizient kleiner ausfallen, wie das Beispiel aus dem Lernmodul ViLeS der Universität Oldenburg zeigt, bei dem der Wert von 0,69 ohne Kontrolle auf 0,548 mit einer Kontrollvariable sinkt.

Lässt sich die partielle Korrelation als Zusammenhang von Residuen verstehen?

Ja, der Wikipedia-Artikel zum partiellen Korrelationskoeffizienten beschreibt genau diese Sichtweise: Das Maß entspricht der Korrelation der Residuen, die übrig bleiben, nachdem beide Variablen jeweils auf die Kontrollvariable regressiert wurden. Die Stärke dieses verbleibenden Zusammenhangs zeigt, wie eng die beiden Ausgangsvariablen nach Abzug der Kontrollvariable noch miteinander verbunden sind.

Welche konkreten Zahlen nennt das Oldenburger Beispiel zur partiellen Korrelation?

Das Lernmodul ViLeS der Universität Oldenburg nennt für die beiden Beteiligungsvariablen einen nicht-partiellen Koeffizienten von r = 0,69. Bei Kontrolle des betrieblichen Status sinkt dieser Wert auf 0,548, bei gleichzeitiger Kontrolle von Status, Ausbildung und Geschlecht auf 0,528.

Welche zwei Wege nennt die Quelle, um eine partielle Korrelation in SPSS zu berechnen?

Zum einen lässt sich das Modul Analysen, Korrelation, Partiell aufrufen und die Kontrollvariablen in die Rubrik Kontrollvariablen eintragen. Zum anderen lässt sich die einfache partielle Korrelation über Analysieren, Regression, Linear berechnen, indem man die Residuen aus zwei Regressionen speichert und anschließend korreliert.

Beweist eine gesunkene partielle Korrelation, dass der ursprüngliche Zusammenhang eine Scheinkorrelation war?

Nein, eine geschrumpfte Korrelation nach Kontrolle einer Drittvariable beweist für sich allein keine Scheinkorrelation der ursprünglichen Variablen. Das Oldenburger Beispiel zeigt zudem, dass die Korrelation trotz Kontrolle mehrerer Variablen stabil hoch bleiben kann.

Sagt die partielle Korrelation etwas über die Richtung einer Wirkung zwischen zwei Variablen aus?

Nein, die partielle Korrelation sagt nichts über die Richtung einer Wirkung zwischen den betrachteten Variablen aus. Sie liefert lediglich einen um eine Drittvariable bereinigten Zusammenhangswert, keine Aussage über Ursache oder Wirkungsrichtung.

Wie unterscheidet sich die partielle Korrelation von einer Mediations- oder Moderationsanalyse?

Die partielle Korrelation rechnet den Einfluss einer eingegebenen Drittvariable heraus, ohne zu klären, ob diese Variable einen Zusammenhang vermittelt oder verändert. Diese Frage betrifft den Unterschied zwischen Mediation und Moderation, den die partielle Korrelation selbst nicht beantwortet.

Unsere Partner