Kriteriumsvariable
In diesem Beitrag
Was versteht man unter Kriteriumsvariable?
Die Kriteriumsvariable ist diejenige Variable in einer statistischen Analyse, die vorhergesagt, erklärt oder vorausgesagt werden soll. Sie steht im Mittelpunkt des Forschungsinteresses und wird durch eine oder mehrere andere Variablen – die sogenannten Prädiktorvariablen – beeinflusst oder erklärt.
In der Regressionsanalyse entspricht die Kriteriumsvariable der abhängigen Variable Y. Das lineare Regressionsmodell lässt sich formal so darstellen:
Einfaches lineares Regressionsmodell
Dabei steht Y für die Kriteriumsvariable, X für die Prädiktorvariable, b₀ für den Achsenabschnitt, b₁ für den Regressionskoeffizienten und ε für den Fehlerterm. Das Ziel der Regression besteht darin, Y möglichst gut durch X vorherzusagen.
Der Begriff Kriteriumsvariable wird vor allem in der Psychologie und den Sozialwissenschaften verwendet. In anderen Disziplinen oder Lehrbüchern findet man häufig gleichbedeutende Bezeichnungen wie abhängige Variable, Zielvariable, Outcomevariable oder Responsevariate.
Warum ist die Kriteriumsvariable für statistische Analysen wichtig?
Die Kriteriumsvariable definiert das Ziel einer Analyse. Sie bestimmt maßgeblich, welche statistische Methode überhaupt sinnvoll eingesetzt werden kann:
- Ist die Kriteriumsvariable metrisch (z. B. Einkommen in Euro), eignet sich die lineare Regression.
- Ist sie dichotom (z. B. bestanden / nicht bestanden), kommt die logistische Regression zum Einsatz.
- Ist sie kategorial mit mehr als zwei Ausprägungen, können Verfahren wie die multinomiale Regression oder Diskriminanzanalyse genutzt werden.
Die korrekte Identifikation der Kriteriumsvariable ist daher ein grundlegender erster Schritt bei der Planung jeder Studie oder Analyse.
Ein weiterer häufiger Stolperstein ist die Annahme, dass die Kriteriumsvariable immer die zeitlich spätere Variable ist. Das ist zwar in experimentellen Designs oft der Fall, gilt aber nicht generell. In Querschnittsstudien etwa wird die Richtung des Zusammenhangs durch die Forschungsfrage und die Theorie – nicht durch die Daten selbst – festgelegt.
Praxisbeispiel zu Kriteriumsvariable
Stell dir vor, du untersuchst im Rahmen deiner Masterarbeit, welche Faktoren den Studienerfolg von Studierenden vorhersagen. Der Studienerfolg wird durch die Abschlussnote operationalisiert.
In diesem Fall ist die Abschlussnote deine Kriteriumsvariable. Als Prädiktorvariablen könntest du folgende Faktoren heranziehen:
| Variable | Typ | Rolle im Modell |
|---|---|---|
| Abschlussnote | Metrisch | Kriteriumsvariable (Y) |
| Lernstunden pro Woche | Metrisch | Prädiktorvariable (X₁) |
| Abiturnote | Metrisch | Prädiktorvariable (X₂) |
| Teilnahme an Tutorien | Dichotom (ja/nein) | Prädiktorvariable (X₃) |
Du führst eine multiple lineare Regression durch, bei der die Abschlussnote durch die drei Prädiktoren vorhergesagt wird. Das Ergebnis zeigt dir, welcher der Prädiktoren den stärksten eigenständigen Beitrag zur Erklärung der Abschlussnote leistet – und in welchem Ausmaß das Gesamtmodell die Varianz der Kriteriumsvariable aufklärt (ausgedrückt durch das Bestimmtheitsmaß R²).
Dieses Beispiel verdeutlicht: Ohne eine klar definierte Kriteriumsvariable gibt es kein sinnvolles Regressionsmodell – sie ist der Ausgangspunkt jeder erklärenden Analyse.
