Datenbearbeitung und -visualisierung mit R

Inhaltsverzeichnis

1. Frontmatter

2. 1. Einführung

   Marc Scheufen, Armin Mertens

   Zusammenfassung

   Dieses Lehrbuch führt in die statistische Verwendung der Software R und der Entwicklungsumgebung RStudio ein. In erster Linie sollen in diesem Lehrbuch weniger die statistischen Methoden, sondern wichtige Kompetenzen für das Datenhandling stehen: Daten bearbeiten, strukturieren, visualisieren und analysieren. Das Lehrbuch gliedert sich in 6 Kapitel.

3. 2. Daten bearbeiten und strukturieren mit tidyverse

   Marc Scheufen, Armin Mertens

   Zusammenfassung

   Vor einer jeden Datenanalyse steht das Bearbeiten und Strukturieren des Datensatzes. Denn für gewöhnlich liegen echte Datensätze nicht in einer sauberen Form vor, in welchen man direkt mit einer Analyse starten kann. Deshalb lernen wir beim Bearbeiten (Abschn. 2.1) des Datensatzes, unsere Daten zu filtern, zu selektieren und neue Variablen zu bilden. Das Strukturieren (Abschn. 2.2) des Datensatzes erlaubt dann das Gruppieren, Zusammenfassen, Zusammenfügen und das Transformieren sowie Bereinigen der Daten. Als Ergebnis unseres 2. Kapitels erzeugen wir in Abschn. 2.3 schließlich unseren Datensatz, den wir in den nachfolgenden Kapiteln zur Datenvisualisierung nutzen wollen.

4. 3. Daten visualisieren mit ggplot

   Marc Scheufen, Armin Mertens

   Zusammenfassung

   Zur Visualisierung laden wir das „tidyverse“-Paket greifen auf unseren finalen Datensatz aus Abschn. 2.3 zurück. Wir laden beide Datensätze: (1) In der Regel verwenden wir den Datensatz „studenten“, der den Datensatz auf „insgesamt“ filtert und damit nicht nochmal zwischen den Fachgebieten differenziert und (2) den Datensatz „fachgebiete“, der den Datensatz auf ohne „insgesamt“ filtert und damit eine Differenzierung zwischen den Fachgebieten erlaubt.

5. 4. Weiterführende Visualisierungen mit ggplot, gganimate und stargazer

   Marc Scheufen, Armin Mertens

   Zusammenfassung

   Die betrachteten Visualisierungen in Kap. 3 zeigen nur einen Bruchteil der vielfältigen Möglichkeiten. Vor diesem Hintergrund sollen weiterführende Visualisierungen mit ggplot, animierte Visualisierungen mit gganimate, tabellarische Visualisierungen mit stargazer sowie das Visualisieren und Analysieren von Geodaten mit dem „sf“-Paket weitere Möglichkeiten aufzeigen.

6. 5. Einführung in die simulationsbasierte Inferenzstatistik und „Machine Learning“ mit R

   Marc Scheufen, Armin Mertens

   Zusammenfassung

   Wir laden beide Datensätze: (1) In der Regel verwenden wir den Datensatz „studenten“, der den Datensatz auf „insgesamt“ filtert und damit nicht nochmal zwischen den Fachgebieten differenziert und (2) den Datensatz „fachgebiete“, der den Datensatz auf ohne „insgesamt“ filtert und damit eine Differenzierung zwischen den Fachgebieten erlaubt.

7. 6. Dokumentation und Zusammenfassung

   Marc Scheufen, Armin Mertens

   Zusammenfassung

   Ziel dieses Lehrbuchs ist die Einführung in die Bearbeitung, Strukturierung, Visualisierung und Analyse von Daten mit R. Ein wesentliches Element der empirischen Forschung ist dabei die Dokumentation der Datenanalyse. Neben der Bedeutung der Dokumentation für die Replizierbarkeit der Datenanalyse wird zunächst mit R-Markdown ein nützliches Instrument zur Dokumentation vorgestellt. Eine abschließende Zusammenfassung der zentralen Learnings aus dem Lehrbuch mit einem Ausblick runden diese Einführung ab.

8. 7. Anhang

   Marc Scheufen, Armin Mertens

   Zusammenfassung

   Öffnen Sie RStudio und machen Sie sich mit der Benutzeroberfläche vertraut. Führen Sie die folgenden Rechenschritte aus, um das Arbeiten mit R zu erlernen.