Räumliche Autokorrelation — Wenn Logik sich verkleidet

Räumliche Autokorrelation liegt vor, wenn die Werte einer Variable an nahegelegenen Orten ähnlicher (positive Autokorrelation) oder unähnlicher (negative Autokorrelation) sind als zufällig erwartet. Wenn sie in Daten vorliegt, die mit Standardregression analysiert werden, verletzt sie die Annahme unabhängiger Beobachtungen, was zu unterschätzten Standardfehlern, aufgeblähten Teststatistiken und falschem Vertrauen in die Ergebnisse führt. Sie spiegelt Toblers erstes Gesetz der Geographie wider: Alles steht mit allem in Beziehung, aber nahe Dinge stehen in engerer Beziehung.

Auch bekannt als: Spatial dependence, Spatial clustering, Räumliche Abhängigkeit

Wie es funktioniert

Standard-Statistikmethoden nehmen an, dass jede Beobachtung unabhängige Information liefert. Wenn nahe Beobachtungen korreliert sind, ist die effektive Stichprobengröße kleiner als die tatsächliche, aber Standardmethoden berücksichtigen dies nicht und erzeugen künstlich präzise Schätzungen.

Ein klassisches Beispiel

Eine Studie analysiert Immobilienwerte in einer Stadt mittels Standardregression und findet einen hochsignifikanten Effekt der Parknähe. Allerdings sind Immobilienwerte räumlich autokorreliert — teure Viertel clustern sich unabhängig von Parks. Die Standardfehler sind zu klein und der Parkeffekt wird überschätzt.

Wo man das in der Praxis findet

Relevant in den Umweltwissenschaften (Schadstoffwerte clustern), der Epidemiologie (Krankheitsausbrüche clustern), der Immobilienanalyse (Immobilienwerte clustern) und der Politikwissenschaft (Wahlmuster clustern geografisch).

Wie man es erkennt und kontert

Testen Sie vor der Analyse auf räumliche Autokorrelation mit Morans I oder Gearys C. Verwenden Sie räumliche Regressionsmodelle (Spatial-Lag- oder Spatial-Error-Modelle), die räumliche Abhängigkeit explizit berücksichtigen. Nutzen Sie räumliche Fixed Effects oder geographisch gewichtete Regression.

Das Fazit

Räumliche Autokorrelation gehört zu den Denkfehlern, die auf den ersten Blick völlig logisch klingen. Genau das macht sie gefährlich — sie tragen das Kostüm valider Argumentation, während sie eine fehlerhafte Schlussfolgerung einschmuggeln. Die beste Verteidigung? Langsamer werden und fragen: Folgt diese Schlussfolgerung tatsächlich aus diesen Prämissen?