Statistik-Glossar

Pfadkoeffizient

Path coefficient · Pfadgewicht · Maximilian Fuchs · 24. April 2026 · 5 Min. Lesezeit

In diesem Beitrag

Was versteht man unter Pfadkoeffizient?
Warum ist der Pfadkoeffizient wichtig?
Praxisbeispiel

Was versteht man unter Pfadkoeffizient?

Ein Pfadkoeffizient ist ein standardisierter oder unstandardisierter Regressionskoeffizient, der im Rahmen einer Pfadanalyse oder eines Strukturgleichungsmodells (SEM) verwendet wird. Er gibt die gerichtete Beziehung zwischen zwei Variablen an – also den Einfluss einer unabhängigen Variable auf eine abhängige Variable innerhalb eines theoretisch begründeten Kausalgefüges.

In der standardisierten Form beschreibt der Pfadkoeffizient, um wie viele Standardabweichungen sich eine abhängige Variable verändert, wenn die erklärende Variable um eine Standardabweichung zunimmt – unter Kontrolle aller anderen Variablen im Modell. Symbolisch wird er häufig mit dem griechischen Buchstaben β (beta) oder mit dem Buchstaben p bezeichnet und als Pfeil im sogenannten Pfaddiagramm dargestellt.

Standardisierter Pfadkoeffizient (Grundprinzip)

$\beta_{yx} = \frac{\sigma_x}{\sigma_y} \cdot b_{yx}$

Einfach erklärt Stell dir ein Pfaddiagramm wie eine Landkarte vor, auf der Pfeile zeigen, welche Variable welche andere beeinflusst. Der Pfadkoeffizient ist dann gewissermaßen das „Gewicht“ des jeweiligen Pfeils – er sagt dir, wie stark und in welche Richtung dieser Einfluss ist. Ein hoher positiver Wert bedeutet: Wenn die eine Variable steigt, steigt auch die andere. Ein negativer Wert bedeutet das Gegenteil.

Pfadkoeffizienten können als direkte Effekte interpretiert werden. Darüber hinaus lassen sich in einer Pfadanalyse auch indirekte Effekte (über Zwischenvariablen, sogenannte Mediatoren) und Gesamteffekte berechnen, indem die entsprechenden Pfadkoeffizienten multipliziert bzw. addiert werden.

Warum ist der Pfadkoeffizient für statistische Analysen wichtig?

Pfadkoeffizienten sind das zentrale Werkzeug, um in komplexen Modellen mit mehreren Variablen kausale Hypothesen zu überprüfen. Während eine einfache Korrelation nur aussagt, dass zwei Variablen zusammenhängen, ermöglicht ein Pfadkoeffizient eine gerichtete und kontrollierte Aussage: Wie stark beeinflusst Variable A die Variable B, wenn man gleichzeitig andere Variablen im Modell berücksichtigt?

Das macht Pfadkoeffizienten besonders wertvoll in Bereichen wie der Psychologie, den Sozialwissenschaften, der Wirtschaftswissenschaft oder der Medizin, wo Zusammenhänge selten einfach und linear sind, sondern in einem komplexen Netz aus Ursachen und Wirkungen stehen.

Gut zu wissen Pfadanalysen setzen voraus, dass das Pfaddiagramm – also die Richtung der Pfeile – vorab theoretisch begründet wird. Die Methode prüft ein bestehendes Theorie-Modell, sie „entdeckt“ keine Kausalstrukturen von selbst. Die inhaltliche Begründung liegt immer bei den Forschenden.

Häufiger Fehler Pfadkoeffizienten werden oft mit Kausalität gleichgesetzt. Auch wenn das Modell gerichtete Pfeile enthält, belegt ein signifikanter Pfadkoeffizient keine echte Kausalität – das setzt zusätzlich ein geeignetes Studiendesign (z. B. Experiment oder Längsschnittstudie) sowie eine fundierte Theorie voraus. Korrelation bleibt Korrelation, auch im Pfaddiagramm.

Praxisbeispiel zu Pfadkoeffizient

Angenommen, du untersuchst in deiner Masterarbeit, wie Lernzeit und Prüfungsangst gemeinsam die Prüfungsleistung beeinflussen. Außerdem vermutest du, dass die Lernzeit die Prüfungsangst reduziert – also ein indirekter Effekt vorliegt.

Dein Pfadmodell sieht drei gerichtete Beziehungen vor:

Lernzeit → Prüfungsleistung (direkter Effekt)
Lernzeit → Prüfungsangst (direkter Effekt)
Prüfungsangst → Prüfungsleistung (direkter Effekt)

Nach der Schätzung des Modells erhältst du folgende standardisierte Pfadkoeffizienten:

Tabelle 1. Standardisierte Pfadkoeffizienten im Beispielmodell
Pfad	Pfadkoeffizient (β)	Interpretation
Lernzeit → Prüfungsleistung	0.42	Mehr Lernzeit verbessert direkt die Leistung
Lernzeit → Prüfungsangst	−0.35	Mehr Lernzeit reduziert die Prüfungsangst
Prüfungsangst → Prüfungsleistung	−0.28	Höhere Angst verschlechtert die Leistung

Der indirekte Effekt der Lernzeit auf die Prüfungsleistung über die Prüfungsangst ergibt sich durch Multiplikation der beiden Teilpfade: (−0.35) × (−0.28) = 0.098. Lernzeit verbessert die Leistung also auch indirekt, indem sie die Angst reduziert. Der Gesamteffekt der Lernzeit beträgt entsprechend 0.42 + 0.098 = 0.518.