O'Reilly logo

Stay ahead with the world's most comprehensive technology and business learning platform.

With Safari, you learn the way you learn best. Get unlimited access to videos, live online training, learning paths, books, tutorials, and more.

Start Free Trial

No credit card required

Statistik mit R

Book Description

Erfahren Sie in diesem Buch, was Sie wirklich wissen müssen, um für Studium oder Promotion statistische Analysen mit R erfolgreich vorzubereiten, durchzuführen und auszuwerten.Anders als andere Einführungen in R vermittelt Ihnen dieses Tutorial nicht nur die Grundlagen der Sprache, sondern verknüpft dies mit der kompakten Darstellung zentraler Methoden der Statistik: Statistische Kernkonzepte werden gut nachvollziehbar beschrieben, bevor sie mit R angewandt werden. Dabei folgt die Struktur des Buchs dem Prozess des wissenschaftlichen Arbeitens. Eine eingehende Interpretation der R-Outputs aus statistischer Sicht sowie die Erläuterung der häufigsten Fehlermeldungen und ihrer Ursachen trägt dazu bei, Konzepte besser zu verstehen und Zusammenhänge zu erkennen. Auf diese Weise werden Sie in die Lage versetzt, schnell produktiv mit R arbeiten zu können.

Table of Contents

  1. Cover
  2. Titel
  3. Impressum
  4. Inhalt
  5. 1 Einführung
    1. An wen richtet sich dieses Buch?
    2. Aufbau dieses Buchs
    3. Was ist R?
    4. Keine Angst vorm Programmieren!
    5. R installieren
    6. Komfortabler arbeiten: R-Editoren
    7. Hilfe zu R bekommen
    8. Beispieldateien zum Download
  6. 2 Die eigene Arbeit organisieren
    1. Eingabemodi von R
    2. Packages verwenden
    3. Ein Arbeitsverzeichnis aufbauen
    4. Arbeitsstände sichern und wiederherstellen
  7. 3 Mit Daten arbeiten
    1. Einfache Variablen und Zuweisungen
    2. Variablen als Datenspeicher
    3. Variablen erzeugen und mit Werten versehen
    4. Numerische Variablen
    5. Zeichenketten
    6. Logische Werte
    7. Faktoren
    8. Datentypen von Variablen ermitteln und konvertieren
    9. Variablen löschen
    10. Vektoren
    11. Vektoren anlegen
    12. Mit Missings umgehen
    13. Auf einzelne Elemente eines Vektors zugreifen
    14. Dataframes
    15. Einlesen von Daten nach R
    16. Der Beispieldatensatz
    17. Einige Tipps zur Arbeit mit Daten
    18. Importieren der Daten
  8. 4 Daten aufbereiten
    1. Datenaufbereitung mit R – muss das sein?
    2. Datensätze zusammenführen
    3. Datensätze mit gleicher Struktur
    4. Datensätze mit unterschiedlicher Struktur
    5. Daten selektieren
    6. Selektion mit festen Indexwerten
    7. Selektion mit Bedingungen
    8. Daten rekodieren
    9. Daten klassieren
    10. Duplikate bereinigen
    11. Daten sortieren
    12. Geänderten Datensatz speichern
  9. 5 Daten deskriptiv analysieren
    1. Repetitorium Deskriptive Statistik
    2. Lagemaße
    3. Streuungsmaße
    4. Zusammenhangsmaße
    5. Statistische Kennzahlen in R
    6. Lagemaße in R
    7. Streuungsmaße in R
    8. Zusammenhangsmaße in R
    9. Daten gruppiert analysieren
  10. 6 Lineare Regression: Kontinuierliche Daten analysieren (Inferenzstatistik I)
    1. Die Rolle der Inferenzstatistik
    2. Statistisches Repetitorium Lineare Regression
    3. Was ist lineare Regression?
    4. Annahmen des linearen Regressionsmodells
    5. Schätzung von linearen Regressionsmodellen
    6. Bestimmung der Schätzgüte
    7. Unverzerrtheit und Effizienz der Schätzer
    8. Hypothesentests einzelner Parameter
    9. Gleichzeitige Hpothesentests mehrerer Parameter
    10. Lineare Regression in R
    11. Ein erstes Regressionsmodell in R
    12. Weitere Beispiele für Regressionsmodelle
    13. Ein genauerer Blick auf die Funktion lm
    14. Ein genauerer Blick auf die Funktion summary
    15. Hypothesentests in R
    16. Typen von Hypothesentests
    17. Hypothesentests einzelner Parameter
    18. Gleichzeitige Hypothesentests mehrerer Parameter
    19. Regression auf kategoriale Variablen
    20. Kategoriale Variablen als Regressoren
    21. Die Basiskategorie verstehen und interpretieren
    22. Verletzung der Annahmen des linearen Regressionsmodells
    23. Heteroskedastizität
    24. Multikollinearität
    25. Nicht normalverteilte Störgrößen
    26. Autokorrelation
    27. Spezifikationsfehler
    28. Entwicklung von Regressionsmodellen – ein paar Tipps
  11. 7 Kategoriale Daten analysieren (Inferenzstatistik II)
    1. Das lineare Wahrscheinlichkeitsmodell
    2. Logit- und Probit-Modelle
    3. Abhängige kategoriale Variablen mit zwei Kategorien
    4. Abhängige kategoriale Variablen mit mehreren Kategorien
  12. 8 Ergebnisse präsentieren
    1. Tabellen mit R
    2. Grafiken mit R
    3. Histogramme
    4. Scatterplots (Punktwolken)
    5. Boxplots
    6. Globale Grafikparameter einstellen
    7. Mehrere Grafiken kombinieren
    8. Elemente zu Grafiken hinzufügen
  13. 9 Programmieren mit R
    1. R-Skripte
    2. R-Skripte bearbeiten und ausführen
    3. R-Code kommentieren
    4. R-Code modularisieren
    5. Grundlegende Konzepte der Programmierung in R
    6. Funktionen
    7. Der Funktionskopf
    8. Der Funktionsrumpf
    9. Kontrollstrukturen
    10. Wenn-Dann-Entscheidungen (if-Konstrukte)
    11. Abgezählte Schleifen (for)
    12. Bedingte Schleifen (while)
    13. Ein ausführliches Beispiel
  14. Index
  15. Über den Autor