Hallo Jörg,
- wann gilt r=? als hoch (Hypothese bestätigt), wann als
enttuoschend? Gibt es da einen Grenzwert?
es gibt keine allgemein gültige Regel dafür, aber einige Richtlinien.
Hier eine gebräuchliche Klassifikation:
0: kein linearer Zusammenhang
über 0 bis 0,2: sehr schwache positive Korrelation
0,2 bis 0,4: schwache positive Korrelation
0,4 bis 0,6: mittlere positive Korrelation
0,6 bis 0,8: starke positive Korrelation
0,8 bis unter 1: sehr starke positive Korrelation
1: perfekte positive Korrelation
Für negative Korrelation gilt Entsprechendes.
Beachte aber bitte, daß das nur Richtlinien sind. Wie eine Korrelation einzuschätzen ist, hängt v.a. von inhaltlichen Überlegungen ab. So ist eine Korrelation von 0,5 zwischen Intelligenztestergebnissen und Außenkriterien als sehr hoch zu beurteilen. Solche Einschätzungen kann kein Methodiker nur aus der Methode herleiten.
Was die Hypothesenbestätigung betrifft, so solltest Du das lieber über einen Signifikanztest machen. SPSS bietet standardmäßig einen an. Dieser testet aber nur gegen r = 0. Es ist jedoch möglich, auch gegen Werte ungleich Null zu testen. Wie man das macht, steht im Bortz (Statistik für Sozialwissenschaftler). Ich habe das, glaube ich, auch schon mal im Matheboard gepostet:
http://www.wer-weiss-was.de/cgi-bin/forum/showarchiv…
Allerdings wieder mit der Nullhypothese r=0. Der Test ist ein anderer, wenn in der Nullhypothese ein anderer Wert ein Null steht. Man muß dann vorher noch die Korrelation der Fisherschen Z-Transformation unterziehen (Achtung: Das ist nicht die allgemein bekannte z-Transformation). Am besten liest Du das im Bortz nach oder Du fragst mich noch mal, wenn Du wissen willst, wie das genau geht.
2)Habe in Fachbüchern geschaut, wie sich r berechnet. Da gibt
es viele Varianten je nach Skala. Wenn in einem Buch r
angegeben wird, heisst das, es wurde automatisch mit dem
passenden Verfahren berechnet?
Ich weiß nicht, in welchen Büchern Du liest. In der Psychologie wird aber meistens die Pearson-Korrelation berechnet, weil „wir“ quasi immer annehmen, daß Variablen intervallskaliert sind. Naja, gut, wir Item Response Theoretiker nicht. Aber wir haben ja auch die sophistizierteren Methoden und verhältnisskalierte Meßwerte. 
Grüße,
O. Walter