Kontinuierliche Variable

Was versteht man unter einer kontinuierlichen Variable?

Eine kontinuierliche Variable (auch: stetige Variable) ist ein Merkmal, das innerhalb eines bestimmten Wertebereichs jeden beliebigen reellen Wert annehmen kann. Es gibt also keine Lücken oder Sprünge zwischen möglichen Messwerten – theoretisch lässt sich jeder Wert zwischen zwei beliebigen Messpunkten noch weiter unterteilen.

Formal gesprochen ist eine Variable X kontinuierlich, wenn ihre Werte aus einem überabzählbar unendlichen Wertebereich stammen, typischerweise einem Intervall der reellen Zahlen. Die zugehörige Wahrscheinlichkeitsverteilung wird durch eine Wahrscheinlichkeitsdichtefunktion (PDF) beschrieben, nicht durch einzelne Wahrscheinlichkeiten für jeden Wert – denn die Wahrscheinlichkeit, exakt einen bestimmten Punkt zu treffen, ist gleich null.

Typische Beispiele für kontinuierliche Variablen sind:

• Körpergröße (z. B. 172,3 cm oder 172,31 cm)
• Körpergewicht (z. B. 68,5 kg)
• Temperatur (z. B. 36,8 °C)
• Reaktionszeit (z. B. 0,342 Sekunden)
• Einkommen (z. B. 2.847,50 €)

Kontinuierliche Variablen werden dem metrischen Skalenniveau zugeordnet – entweder als Intervallskala (ohne absoluten Nullpunkt, z. B. Temperatur in °C) oder als Verhältnisskala (mit absolutem Nullpunkt, z. B. Gewicht in kg).

Warum ist die kontinuierliche Variable für statistische Analysen wichtig?

Die Unterscheidung zwischen kontinuierlichen und diskreten Variablen ist in der Statistik grundlegend, weil sie bestimmt, welche Analysemethoden und Verteilungsmodelle angemessen sind. Viele der gebräuchlichsten statistischen Verfahren – darunter t-Tests, Varianzanalyse (ANOVA), lineare Regression oder Korrelationsanalysen nach Pearson – setzen voraus, dass die abhängige oder interessierende Variable kontinuierlich ist.

Für kontinuierliche Variablen können sinnvollerweise Kennzahlen wie Mittelwert, Standardabweichung und Varianz berechnet werden. Auch grafische Darstellungen wie Histogramme, Boxplots oder Dichtekurven sind für kontinuierliche Daten konzipiert.

Umgekehrt gilt: Wer eine kontinuierliche Variable künstlich in Kategorien aufteilt (z. B. Alter in „jung / mittel / alt“), verliert wertvolle Informationen und reduziert die statistische Power der Analyse. Das sollte nur dann geschehen, wenn es inhaltlich sinnvoll und gut begründet ist.

Praxisbeispiel zu kontinuierlichen Variablen

Angenommen, du untersuchst in deiner Bachelorarbeit, ob ein achtwöchiges Ausdauertraining den systolischen Blutdruck (in mmHg) von Teilnehmenden senkt. Der Blutdruck ist eine kontinuierliche Variable – er kann Werte wie 118,4 mmHg oder 132,7 mmHg annehmen.

Du misst den Blutdruck vor und nach dem Training bei 30 Personen. Eine passende Analysemethode ist hier der gepaarte t-Test, der genau für solche kontinuierlichen Messwertepaare entwickelt wurde. Die Ergebnisse lassen sich mit einem Boxplot oder einer Tabelle mit Mittelwert und Standardabweichung übersichtlich darstellen:

Die mittlere Differenz von 9,3 mmHg lässt sich statistisch testen und inhaltlich interpretieren – und zwar genau deshalb so präzise, weil der Blutdruck als kontinuierliche Variable mit echten Zwischenwerten gemessen wurde.