Heatmap
In diesem Beitrag
Was versteht man unter einer Heatmap?
Eine Heatmap ist eine grafische Darstellungsform, bei der numerische Werte in einer Matrix oder einer Fläche durch Farben kodiert werden. Je nach Ausprägung eines Wertes erhält eine Zelle oder Region eine bestimmte Farbe – typischerweise reicht die Skala von kühlen Farbtönen (z. B. Blau für niedrige Werte) bis hin zu warmen Farbtönen (z. B. Rot für hohe Werte). Die Farbe ersetzt damit die numerische Information und macht Muster, Cluster oder Ausreißer auf einen Blick erkennbar.
In der Statistik wird die Heatmap am häufigsten eingesetzt, um Korrelationsmatrizen zu visualisieren. Dabei werden die paarweisen Korrelationskoeffizienten aller Variablen in einem Datensatz in einer quadratischen Matrix angeordnet und farblich abgestuft dargestellt. Ein Korrelationskoeffizient nahe +1 erscheint in einer intensiven Farbe (z. B. Dunkelrot), einer nahe 0 in einem neutralen Ton (z. B. Weiß) und einer nahe −1 in einer kontrastierenden Farbe (z. B. Dunkelblau).
Warum ist die Heatmap für statistische Analysen wichtig?
Heatmaps erfüllen in der Datenanalyse einen zentralen Zweck: Sie machen komplexe, mehrdimensionale Daten schnell erfassbar. Gerade wenn ein Datensatz viele Variablen enthält, ist es kaum möglich, eine reine Zahlentabelle intuitiv zu interpretieren. Die farbliche Kodierung erlaubt es, Strukturen – etwa Gruppen ähnlicher Variablen oder einzelne extreme Werte – unmittelbar zu erkennen.
Typische Einsatzgebiete in wissenschaftlichen Arbeiten sind:
- Korrelationsanalyse: Welche Variablen hängen stark miteinander zusammen?
- Clusteranalyse: Welche Beobachtungen oder Merkmale ähneln sich?
- Explorative Datenanalyse: Gibt es auffällige Muster oder fehlende Werte im Datensatz?
- Zeitreihen und Häufigkeiten: Wie verteilen sich Ereignisse über Zeit oder Kategorien?
Praxisbeispiel zu Heatmap
Angenommen, du schreibst eine Masterarbeit über Einflussfaktoren auf den Lernerfolg von Studierenden. Du hast Daten zu fünf Variablen erhoben: Lernzeit, Schlafqualität, Stressniveau, Prüfungsangst und Abschlussnote. Um zu prüfen, welche Variablen miteinander in Beziehung stehen, berechnest du die Pearson-Korrelationen und stellst sie als Heatmap dar.
| Lernzeit | Schlafqualität | Stressniveau | Prüfungsangst | Abschlussnote | |
|---|---|---|---|---|---|
| Lernzeit | 1,00 | 0,32 | −0,15 | −0,08 | 0,61 |
| Schlafqualität | 0,32 | 1,00 | −0,54 | −0,47 | 0,38 |
| Stressniveau | −0,15 | −0,54 | 1,00 | 0,72 | −0,49 |
| Prüfungsangst | −0,08 | −0,47 | 0,72 | 1,00 | −0,55 |
| Abschlussnote | 0,61 | 0,38 | −0,49 | −0,55 | 1,00 |
In einer Heatmap würden die hohen positiven Korrelationen – etwa zwischen Stressniveau und Prüfungsangst (r = 0,72) oder zwischen Lernzeit und Abschlussnote (r = 0,61) – sofort als kräftig rote Felder ins Auge fallen. Die negativen Zusammenhänge, wie zwischen Schlafqualität und Stressniveau (r = −0,54), wären deutlich blau eingefärbt. Ohne die Heatmap müsstest du jede der 25 Zellen einzeln lesen – mit ihr erkennst du die relevanten Muster in Sekunden.
