Der Variationskoeffizient (VK) beschreibt die relative Streuung von Daten um ihren Mittelwert. Anders als die Standardabweichung allein berücksichtigt er die Größe der gemessenen Werte selbst. Wenn beispielsweise zwei Datensätze die gleiche Standardabweichung von 5 Einheiten haben, wirkt sich diese aber bei Mittelwerten von 100 und 20 ganz unterschiedlich aus. Der Variationskoeffizient macht solche Unterschiede vergleichbar und ist deshalb besonders wertvoll für die Analyse von Daten in verschiedenen Größenordnungen.
In der Praxis nutzen Analysten den Variationskoeffizient zur Risikobewertung in der Finanzwelt, zur Qualitätskontrolle in der Produktion und zur Homogenitätsprüfung in der Statistik. Sein großer Vorteil liegt darin, dass es sich um eine dimensionslose Kennzahl handelt, die unabhängig von der Einheit der Messwerte funktioniert.
Die Formel des Variationskoeffizients
Die Berechnung folgt einer einfachen Formel: Variationskoeffizient = Standardabweichung geteilt durch den Mittelwert, häufig multipliziert mit 100, um das Ergebnis in Prozent auszudrücken.
Mathematisch ausgedrückt: VK = (σ / Mittelwert) × 100 %
Dabei ist σ die Standardabweichung, die angibt, wie weit die einzelnen Werte im Durchschnitt vom Mittelwert abweichen. Der Mittelwert ist die Summe aller Werte geteilt durch ihre Anzahl. Das Verhältnis beider Größen zeigt, wie groß die Streuung relativ zur durchschnittlichen Größe der Daten ist.
Wichtig ist hier ein grundsätzlicher Punkt: Der Variationskoeffizient ist nur für Verhältnisskalen sinnvoll, also für Messwerte, die einen absoluten Nullpunkt haben. Temperatur in Kelvin eignet sich dafür, Temperatur in Celsius dagegen nicht, weil hier der Nullpunkt willkürlich festgelegt ist. Ebenso funktioniert die Kennzahl nur bei positiven Mittelwerten.
Berechnung in Tabellenkalkulationsprogrammen und mit Online-Tools
In Tabellenkalkulationsprogrammen lässt sich der Variationskoeffizient mit den Standardfunktionen berechnen. Die Formel lautet: =STABW(Datenbereich) / MITTELWERT(Datenbereich). Für umfangreichere Datenreihen, etwa bei XYZ-Analysen, kann auch die Formel =STABWN(J6:M6)/(SUMME(J6:M6)/ZÄHLENWENN(J6:M6,“>0″)) verwendet werden. Dies ist besonders nützlich, wenn Nullwerte oder Leerzeichen in den Daten vorhanden sind.
Wer keine Tabellenkalkulationsdatei nutzen möchte, findet online zahlreiche kostenlose Rechner für den Variationskoeffizient. Diese ermöglichen es, Werte einfach einzugeben und das Ergebnis unmittelbar zu erhalten. Solche Online-Rechner sind häufig ohne Registrierung nutzbar und besonders hilfreich bei der Ermittlung des anfänglichen Höchstpreises nach der Vergabeverordnung 44-FZ.
Ein praktisches Beispiel zeigt die Unterschiede: Drei Preise von 14.000, 19.000 und 6.500 Euro ergeben einen Variationskoeffizient von etwa 47,78 %, was unzulässig ist. Werden die Preise dagegen auf 14.000, 19.000 und 16.500 Euro korrigiert, sinkt der Variationskoeffizient auf etwa 15,15 %, was den Anforderungen genügt.
Interpretation der Ergebnisse
Die Aussagekraft eines Variationskoeffizients wird durch festgelegte Schwellenwerte bestimmt. Ein VK unter 10 % deutet auf eine geringe Streuung und gute Homogenität hin. Ein Variationskoeffizient zwischen 10 % und 25 % zeigt eine moderate Variabilität an. Ein Wert zwischen 25 % und 33 % wird als erhebliche Streuung interpretiert. Übersteigt der Variationskoeffizient 33 %, gilt die Grundgesamtheit oft als zu heterogen für zuverlässige Analysen.
Besonders relevant ist die Grenze bei 25 %. Wenn der Variationskoeffizient 25 beträgt, befindet sich die Datenreihe an der Schwelle zwischen moderater und hoher Variabilität. In vielen Kontexten, etwa der Preisfestlegung für öffentliche Ausschreibungen, gilt eine Gesamtheit mit einem Variationskoeffizient von 25 % oder darunter als homogen genug, um als Grundlage für Entscheidungen zu dienen.
In der XYZ-Analyse wird diese Klassifikation besonders praktisch angewendet. Artikel mit einem Variationskoeffizient bis 10 % werden der Klasse X zugeordnet und gelten als stabil und planbar. Artikel mit 10 % bis 25 % Variationskoeffizient gehören zur Klasse Y und benötigen mehr Aufmerksamkeit. Alles darüber hinaus fällt in Klasse Z und erfordert spezielle Strategien.
Spezialfälle und Grenzwerte
Ein besonderer Fall tritt ein, wenn der Variationskoeffizient gleich Null ist. Dies bedeutet, dass alle Messwerte identisch sind, es also überhaupt keine Streuung gibt. Die Standardabweichung beträgt dann Null. Ein Variationskoeffizient von 0 % tritt in der Realität selten auf, deutet aber darauf hin, dass eine Größe konstant ist und vollkommen vorhersehbar.
Bei Datenreihen mit sehr hohem Variationskoeffizient, insbesondere wenn dieser 33 % übersteigt, sollten Analysten überprüfen, ob Ausreißer oder Datenfehler vorliegen. Oft ist es sinnvoll, solche Datensätze zu bereinigen. Dies kann bedeuten, dass einzelne unrealistische Werte entfernt oder Ursachen für extreme Abweichungen ermittelt werden. Für Prognosezwecke ist es häufig ratsam, Datenreihen mit hohem Variationskoeffizient zunächst zu filtern und in kleinere Zeiteinheiten zu unterteilen, etwa Tages- oder Wochendaten statt Monatsdaten zu nutzen oder längerfristige Trends zu analysieren.
Der Koeffizient der qualitativen Variation
Ein verwandtes Konzept ist der Koeffizient der qualitativen Variation. Während der Variationskoeffizient mit kontinuierlichen numerischen Daten arbeitet, wird der Koeffizient der qualitativen Variation für kategorische und nominale Daten eingesetzt. Er misst die Vielfalt in nicht-numerischen Datensätzen und nutzt ähnliche Logik: Er zeigt, wie stark die Verteilung von einer Gleichverteilung abweicht.
Der Koeffizient der qualitativen Variation ist besonders wertvoll in der Marktforschung, Demografie und Sozialwissenschaften. Während der klassische Variationskoeffizient beispielsweise Gewichtsschwankungen in einer Produktcharge misst, würde der Koeffizient der qualitativen Variation zeigen, wie heterogen die Kundenpräferenzen über verschiedene Produktkategorien verteilt sind.
Praktische Anwendung in verschiedenen Bereichen
In der Finanzanalyse dient der Variationskoeffizient zur Risikobewertung von Investitionen. Ein Portfolio mit niedrigem Variationskoeffizient zeigt stabile Renditen, während hohe Werte auf volatile Schwankungen hindeuten. Ein Analyst vergleicht oft mehrere Investitionsoptionen anhand dieses Koeffizients, um das Risiko-Rendite-Verhältnis zu bewerten.
In der Qualitätskontrolle wird der Variationskoeffizient verwendet, um zu überprüfen, ob Produktionsmengen konstant sind. Eine Maschine, die ein Produkt mit hohem Variationskoeffizient herstellt, deutet auf Wartungsbedarf oder Einstellungsprobleme hin. In der Pharmaindustrie wird die Konsistenz von Wirkstoffen mit dieser Kennzahl überwacht.
Besonders wichtig ist der Variationskoeffizient in der öffentlichen Auftragsvergabe. Bei der Feststellung des Höchstpreises für Ausschreibungen nach 44-FZ darf der Variationskoeffizient der herangezogenen Marktpreise 33 % nicht überschreiten. Dies soll sicherstellen, dass die ermittelten Referenzpreise aus einer ausreichend homogenen Marktlage stammen.
Robustheit und Alternativen
Der Variationskoeffizient reagiert empfindlich auf Ausreißer, da die Standardabweichung stark von extremen Werten beeinflusst wird. In Situationen mit verdächtigen Extremwerten ist eine robustere Alternative der Quartilskoeffizient. Dieser nutzt nicht die Standardabweichung, sondern die Abweichung zwischen Quartilen und ist weniger anfällig für Ausreißer.
Bei logarithmisch normalverteilten Daten zeigt sich der Variationskoeffizient als stabiler und gibt ein zuverlässigeres Bild der Variabilität ab. Für solche Verteilungen ist er einer der besten verfügbaren Indikatoren.
Ein weiterer praktischer Tipp: Wenn Daten zeitabhängig sind, sollten sie vor der Berechnung nach Zeiträumen gruppiert werden. Statt alle monatlichen Verkaufsdaten eines Jahres zu mischen, kann es sinnvoll sein, sie in Quartale zusammenzufassen oder saisonale Muster separat zu analysieren. Dies reduziert künstliche Schwankungen und führt zu aussagekräftigeren Variationskoeffizienten.
