Erst deine unmissverständliche Bewertung "Unwahrheiten" und dann macht euch selbst ein Bild.
Das ist meine Meinung. Jeder kann und soll sich selbst eine bilden.
Bei einer konstruktiven Diskussion erwarte ich, dass die Links, welche gegeben werden, auch in einen Kontext gestellt werden. Ich zitiere Dich:
Du hast zwei Bilder gepostet. Vollkommen aus dem Zusammenhang gerissen, weil Du sie in keinen Kontext stellst. Welche Argumente werden genau durch diese Bilder widerlegt?
Zu Deiner Info: Im ersten Bild ist eindeutig ein Trend (MCV1+MCV2 korreliert am stärksten mit Inzidenz) zu erkennen:
# R Code, einfach reinpasten, sollte out-of-the-box funktionieren
# Der fehlende Wert in df[15,2] wurde durch df[15,1] 'imputed'
df <- read.csv(text="MCV1,MCV2,CASES,SUM,LOG_CASES
98,95,1.0,193,0.0000000
96,89,1.6,185,0.2041200
97,95,2.0,192,0.3010300
94,92,2.2,186,0.3424227
99,99,2.4,198,0.3802112
97,88,2.6,185,0.4149733
96,91,3.2,187,0.5051500
97,83,4.2,180,0.6232493
93,90,4.8,183,0.6812412
97,93,6.2,190,0.7923917
96,93,6.3,189,0.7993405
90,88,6.9,178,0.8388491
89,95,12.4,184,1.0934217
92,88,13.3,180,1.1238516
92,92,15.3,184,1.1846914
96,84,17.1,180,1.2329961
93,91,20.5,184,1.3117539
93,94,23.2,187,1.3654880
92,95,25.8,187,1.4116197
92,86,26.9,178,1.4297523
96,93,37.5,189,1.5740313
90,80,39.4,170,1.5954962
99,86,41.5,185,1.6180481
96,85,43.9,181,1.6424645
97,90,55.6,187,1.7450748
96,97,58.6,193,1.7678976
91,83,67.3,174,1.8280151
86,75,87.3,161,1.9410142
94,92,175.2,186,2.2435341
94,92,296.9,186,2.4726102")
fit <- lm(formula = LOG_CASES ~ SUM, data=df)
plot(df$SUM, df$LOG_CASES)
abline(fit, col="blue")
cor(df$SUM, df$LOG_CASES)
Warum die logarithmierten Inzidenzen? Weil die unlogarithmierten definitiv nicht normalverteilt sind (hist(df$CASES)) und die Verteilung durch die Logarithmierung etwas "normaler" wird (hist(df$LOG_CASES)). Leider sind die 30 Datenpunkte nicht sonderlich viel ... das muss man aber auch erstmal abtippen und ich hoffe, dass ich nix falsch übertragen habe.
Was sagt das Bild aus? Dass, je mehr geimpft wird, desto weniger Fälle gibt es. Die Correlation beträgt zwar nur -0.38 (cor(df$SUM, df$LOG_CASES)), aber der Datensatz ist ja auch klein.
Das zweite Bild ist vollkommen irrelevant, da es die zwei ersten Spalten der Tabelle nur visualisiert.
Zur Vollständigkeit noch:
> fit <- lm(formula = LOG_CASES ~ MCV1, data=df)
> plot(df$MCV1, df$LOG_CASES)
> abline(fit, col="blue")
> cor(df$MCV1, df$LOG_CASES)
[1] -0.3783158
> fit <- lm(formula = LOG_CASES ~ MCV2, data=df)
> plot(df$MCV2, df$LOG_CASES)
> abline(fit, col="blue")
> cor(df$MCV2, df$LOG_CASES)
[1] -0.2948363