book

Statistik mit R Schnelleinstieg -- R einfach lernen in 14 Tagen

by Bjoern Walther

October 2022

Intermediate to advanced

320 pages

6h 36m

German

mitp Verlag

Read now

Unlock full access

E.1 R lernen in 14 TagenE.2 Der Aufbau des BuchesE.3 Downloads zum BuchE.4 Fragen und Feedback
2.1 Syntax2.2 Objekttypen in R2.3 R-Pakete finden und verwenden2.3.1 Pakete installieren und laden2.3.2 Finden von Paketen2.4 Datenformate in R2.4.1 Wide-Format2.4.2 Long-Format2.4.3 Transformation der Formate2.5 Pipe-Operatoren
3.1 Layout von RStudio3.2 Empfohlene Einstellungen3.2.1 Dark Mode3.2.2 Tastatur-Shortcuts3.2.3 In Projekten arbeiten
4.1 Datensätze in R einlesen4.1.1 Nutzen des Importassistenten4.1.2 Import über Code4.2 Datensätze zusammenfügen4.2.1 Fälle hinzufügen4.2.2 Variablen hinzufügen4.3 Teildatensätze erstellen4.3.1 Auswahl bestimmter Variablen4.3.2 Auswahl bestimmter Fälle4.3.3 Auswahl bestimmter Fälle und Variablen4.4 Datensätze exportieren4.4.1 CSV- und TXT-Export4.4.2 XLSX-Export4.4.3 SAV-Export (SPSS) und DTA-Export (STATA)4.5 Datensätze speichern und wieder laden4.6 Fehlende Werte ausschließen4.7 Variablen faktorisieren4.8 Datumsvariablen als Datum formatieren4.9 Dummycodierung von kategorialen Variablen4.9.1 Das Prinzip einer Dummycodierung4.9.2 Dummycodierung in R4.10 Skalenbildung4.10.1 Zweck einer Skalenbildung4.10.2 Interne Konsistenz4.10.3 Inverscodierung von Items4.10.4 Skalenbildung
5.1 Häufigkeiten5.1.1 Absolute Häufigkeiten5.1.2 Relative Häufigkeiten5.1.3 Kumulierte relative Häufigkeiten5.1.4 Übersichtstabelle5.2 Lageparameter5.3 Streuparameter5.4 Schiefe und Kurtosis5.5 Überblicksfunktionen für die deskriptive Statistik in R5.5.1 Überblick mit describe()5.5.2 Überblick mit Desc()5.6 Deskriptive Statistiken für Untergruppen5.6.1 Nutzen von tapply()5.6.2 Nutzen von describeBy()5.6.3 Nutzen des Pipe-Operators5.7 Zusammenhänge5.7.1 Kreuztabellen5.7.2 Korrelation

6.1 Histogramm6.1.1 Histogramm mit der Basisversion von R6.1.2 Einfaches Histogramm mit ggplot26.1.3 Histogramm für Gruppen mit ggplot26.2 Säulendiagramm6.2.1 Säulendiagramm mit der Basisversion von R6.2.2 Einfaches Säulendiagramm mit ggplot26.2.3 Säulendiagramm für Gruppen mit ggplot26.3 Balkendiagramm6.3.1 Balkendiagramm mit der Basisversion von R6.3.2 Balkendiagramm mit ggplot26.4 Boxplot6.4.1 Boxplot mit der Basisversion von R6.4.2 Boxplot mit ggplot26.5 Kreisdiagramm6.6 Q-Q-Plot
7.1 Diagramme mit der Basisversion von R7.1.1 Liniendiagramm für eine Variable7.1.2 Liniendiagramm für zwei oder mehr Variablen7.2 Diagramme mit ggplot27.2.1 Liniendiagramm für eine Variable7.2.2 Liniendiagramm für zwei oder mehr Variablen7.2.3 Gestapeltes Flächendiagramm7.2.4 Boxplots7.2.5 Säulendiagramm mit Fehlerbalken7.2.6 Liniendiagramm mit Fehlerbalken
8.1 Streudiagramm8.1.1 Streudiagramm mit der Basisversion von R8.1.2 Streudiagramm mit ggplot28.2 Korrelationsdiagramm
9.1 Einstichproben-t-Test für den Mittelwert9.1.1 Voraussetzungen9.1.2 Durchführung9.1.3 Interpretation der Ergebnisse9.1.4 Berechnung der Effektstärke9.1.5 Reporting der Ergebnisse9.2 Einstichproben-Wilcoxon-Test für den Median9.2.1 Voraussetzungen9.2.2 Durchführung9.2.3 Interpretation der Ergebnisse9.2.4 Berechnung der Effektstärke9.2.5 Reporting der Ergebnisse9.3 Chi2-Anpassungstest für die Verteilung9.3.1 Voraussetzungen9.3.2 Durchführung9.3.3 Interpretation der Ergebnisse9.3.4 Reporting der Ergebnisse
10.1 Zwei Zeitpunkte10.1.1 t-Test bei abhängigen Stichproben10.1.2 Wilcoxon-Test bei abhängigen Stichproben10.2 Mehr als zwei Zeitpunkte10.2.1 ANOVA mit Messwiederholung10.2.2 Friedman-ANOVA
11.1 Zwei Gruppen zu einem Zeitpunkt mit einem Einflussfaktor11.1.1 t-Test bei unabhängigen Stichproben11.1.2 Mann-Whitney-U-Test (Mann-Whitney-Wilcoxon-Test)11.2 Mehr als zwei Gruppen zu einem Zeitpunkt mit einem Einflussfaktor11.2.1 Einfaktorielle ANOVA11.2.2 Kruskal-Wallis-Test
12.1 Mehrere Gruppen infolge mehrerer Einflussfaktoren – Mehrfaktorielle ANOVA12.1.1 Voraussetzungen12.1.2 Durchführung12.1.3 Interpretation der Ergebnisse12.1.4 Reporting der Ergebnisse12.2 Gemischte ANOVA als Sonderfall12.2.1 Voraussetzungen12.2.2 Durchführung12.2.3 Interpretation der Ergebnisse12.2.4 Reporting der Ergebnisse
13.1 Pearson-Korrelation13.1.1 Durchführung13.1.2 Ergebnis und Interpretation13.1.3 Reporting der Ergebnisse13.2 Spearman-Korrelation13.2.1 Durchführung13.2.2 Ergebnis und Interpretation13.2.3 Reporting der Ergebnisse13.3 Kendall-Tau-Korrelation13.3.1 Durchführung13.3.2 Ergebnis und Interpretation13.3.3 Reporting der Ergebnisse13.4 Pearson-punktbiseriale Korrelation13.4.1 Durchführung13.4.2 Ergebnis und Interpretation13.4.3 Exkurs: Interpretation einer signifikanten Korrelation13.4.4 Reporting der Ergebnisse13.5 Chi2-Test auf Unabhängigkeit13.5.1 Durchführung13.5.2 Ergebnis und Interpretation13.5.3 Reporting der Ergebnisse13.6 Kontingenzkoeffizient / Cramer V13.7 Odds-Ratio13.8 Zusatz: Partialkorrelation
14.1 Lineare Regression14.1.1 Vorbemerkungen und Vorbereitungen14.1.2 Voraussetzungen der linearen Regression14.1.3 Durchführung14.1.4 Ergebnis14.1.5 Interpretation der Ergebnisse14.1.6 Reporting der Ergebnisse14.2 Moderation und Mediation im Rahmen der linearen Regression14.2.1 Moderation14.2.2 Mediation14.3 Binär-logistische Regression14.3.1 Voraussetzungen14.3.2 Durchführung14.3.3 Ergebnis14.3.4 Interpretation14.3.5 Reporting der Ergebnisse14.4 Ordinal-logistische Regression14.4.1 Voraussetzungen14.4.2 Durchführung14.4.3 Ergebnis14.4.4 Interpretation14.4.5 Reporting der Ergebnisse
A.1 Übersicht der allgemeinen Befehle für Diagramme mit der Basisversion von RA.1.1 BeschriftungenA.1.2 Schriftarten, Schriftvariation, Schriftgröße, SchriftfarbenA.1.3 AchsenformatierungA.1.4 Linienarten und DatenpunkteformateA.1.5 LegendeA.2 Übersicht der allgemeinen Befehle für Diagramme mit ggplot2Glossar

Content preview from Statistik mit R Schnelleinstieg -- R einfach lernen in 14 Tagen

Gerichtete Zusammenhänge – Regressionsanalysen

Regressionsanalysen sind Werkzeuge zur Prüfung gerichteter Zusammenhänge – im Gegensatz zur Korrelation sind Ursache und Wirkung hier im Vorfeld bereits klar: Es gibt mindestens eine unabhängige Variable (Prädiktor), die eine abhängige Variable (Kriterium) zu prognostizieren versucht.

Je nach Skalenniveau der abhängigen Variablen sind andere Verfahren zu rechnen. Den Anfang macht die lineare Regression für intervall- bzw. verhältnisskalierte abhängige Variablen (Abschnitt 14.1). Sie kann bei geeigneter theoretischer Fundierung auch um Moderation und Mediation erweitert werden (Abschnitt 14.2). Die ...

Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.

Start your free trial

Wissenschaftliche Arbeiten schreiben - Praktischer Leitfaden mit über 100 Software-Tipps, 2. Auflage

Andrea Klein

Digitale Notizen mit GoodNotes - Klar strukturiert, kreativ gestaltet, effizient organisiert

Andrea Rawanschad

Künstliche Intelligenz kapieren und programmieren - Visuell lernen und verstehen mit Illustrationen und Projekten zum Experimentieren

Michael Weigend

Berufsalltag effektiv gestalten mit visuellen und kreativen Notizen

Angela Altenbeck

Publisher Resources

ISBN: 9783747504963