R Befehle zum E-book

Der folgende Blogbeitrag soll das E-book von Daniela Keller um die Handhabung in R erweitern. Es werden hier also die Befehle in R zu den im E-book ausgeführten Tests aufgelistet. Solltest du also das E-book noch nicht haben, ist es empfehlenswert dieses hier herunterzuladen.

Anmerkung: Alle in den Befehlen kursiv geschriebenen Angaben sollen durch eigene Datennamen ersetzt werden.

Übersicht-Methoden-E-Book

Deskriptive Statistik

Um die deskriptive Statistik durchzuführen solltest du dir zuvor das R-Paket „psych“ installieren und laden (siehe hierzu) und anschließend folgenden Befehl ausführen.

describe(Datensatz)

Die Ausgabe in R beinhaltet Itemname(vars), -nummer(n), …, Mittelwert(mean), Standardabweichung(sd), getrimmtes Mittel(trimmed), Median(median), mad, Minimum(min), Maximum(max), Schiefe(skew), Kurtosis(kurtosis), Standardfehler(se).

Diese Ergebnisse kanst du wiederum in Abbildungen darstellen.

  • Säulen- & Balkendiagramm:
barplot(height)
„Heigh“ ist ein Vektor oder eine Matrix mit den Daten (Höhe der Balken), die aus den Rohdaten berechnet werden kann und für die ein Säulen/Balkendiagramm erstellt werden soll. Mit
barplot(height, horiz = TRUE)

erhälst du ein Balken- ohne „horiz = TRUE" ein Säulendiagramm.

  • Streudiagramm:
plot(Variable1~Variable2)
  • Boxplot:
boxplot(Variable)

Für die Diagramme gibt es noch zahlreiche weitere Parameter, die du deinen Bedürfnissen nach angleichen kannst. „ylab=‘Variablenname1‚“ und „xlab=‘Variablenname2′“ kannst du z.B. dem Befehl von Balken-/Säulen-/Streudiagramm noch beifügen, um die Achsen zu beschriften. Um den Boxplot zu betiteln nutze am besten „main=‘Boxplotname‚“.

Schließende Statistik

  • metrische Variablen – Analyse von Lageunterschieden

Zwei Messwiederholungen:

Wilcoxon Test:

wilcox.test(Variable1,Variable2, paired=TRUE)

➟ Gepaarter T-Test (normalverteilt):

t.test(Variable1,Variable2, paired=TRUE)

Zwei oder mehr Messwiederholungen:

Friedman Test:

friedman.test(Datensatz)

Messwiederholungs ANOVAt (normalverteilt):

Installiere und lade zunächst das R-Paket „ez“ (siehe hierzu) und gib dann folgenden Befehl ein.

ezANOVA(data=dataFrame, dv=Variable, wid=identifizierende Variable, within=messwiederholungs Prädikatoren)

Zwei Gruppen:

Mann-Whitney-U Test:

wilcox.test(Variable~Prädikator) 

Wobei „Variable“ numerisch ist und „Prädikator“ ein binärer Faktor.

T-Test (normalverteilt):

t.test(Variable1,Variable2)

Zwei oder mehr Gruppen:

Kruskal-Wallis Test:

kruskal.test(Variabel~Prädikator) 

Wobei „Variable“ numerisch und „Prädikator“ ein Faktor ist.

Einfaktorielle ANOVA (normalverteilt):

aov(Variable~Prädikator(en), data=dataFrame)
  • kategoriale Variablen – Analyse von Zusammenhängen

2×2 Kategorien:

Fischers Exakter Test:

fisher.test(Datensatz)

Mehr als 2×2 Kategorien:

Chi-Quadrat Test:

chisq.test(Datensatz)

Weitere Tests zur Analyse von Zusammenhängen:

Pearson-Korrelation (normalverteilt):

cor(Variable1, Variable2, method="pearson")

Spearman-Korrelation:

cor(Variable1, Variable2, method="spearman")

Wie zuvor unter „Deskriptive Statistik“ erwähnt, kannst du die Befehle nach deinen Wünschen erweitern. Hilfreich hierzu ist die Hilfefunktion(>??Befehl), welche die Befehle nochmals genau erklärt. Sollten dennoch Fragen sein, kannst du auch gerne den Beitrag kommentieren.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.