Checklisten
FS 2026
Checklisten: Reproduzierbare Datenanalyse
Diese Seite enthält Checklisten für die wichtigsten Schritte einer reproduzierbaren Datenanalyse in R. Die Checklisten helfen Ihnen sicherzustellen, dass Sie alle notwendigen Schritte durchgeführt haben.
Checkliste 1: Reproduzierbare Analyse
Abschluss-Checkliste für die vollständige Reproduzierbarkeit.
Checkliste 2: Neues R-Projekt anlegen
Bevor Sie mit einer neuen Analyse beginnen, legen Sie immer ein R-Projekt an.
-
Mein_Projekt/ ├── Daten_Roh/ # Originaldaten — NIE verändern! ├── Daten_Verarbeitet/ # Aufbereitete Daten ├── R_Skripte/ # Analyseskripte ├── Abbildungen/ # Grafiken ├── Tabellen/ # Ergebnistabellen └── Dokumentation/ # Notizen, README
Checkliste 3: Dateiformat identifizieren
Bevor Sie Daten einlesen, prüfen Sie das Dateiformat.
Entscheidungsbaum: Welche Funktion?
| Dateiformat | Funktion |
|---|---|
| CSV, Komma, englisch | read.csv() oder readr::read_csv() |
| CSV, Semikolon, deutsch | read.csv2() oder readr::read_csv2() |
| Tab-getrennt | read.delim() oder readr::read_tsv() |
| Beliebiges Trennzeichen | read.table(sep = "...") |
Excel .xlsx |
readxl::read_excel() |
SPSS .sav |
haven::read_sav() |
Checkliste 4: Daten Validieren (3 Ebenen)
Nach dem Einlesen immer systematisch validieren.
Ebene 1: Struktur
Ebene 2: Werte
Ebene 3: Konsistenz
Checkliste 5: Tidy Data
Prüfen Sie, ob Ihre Daten im Tidy-Format vorliegen, bevor Sie Analysen durchführen.
Tidy Data Prinzipien:
- Jede Variable ist eine Spalte
- Jede Beobachtung ist eine Zeile
- Jede Beobachtungseinheit ist eine Tabelle
-
daten_lang <- daten |> pivot_longer(cols = starts_with("messung"), names_to = "zeitpunkt", values_to = "wert")
Checkliste 6: Daten Aufbereiten
Systematische Datenbereinigung nach der Validierung.
Checkliste 7: Fehlende Werte & Ausreisser
Prüfen und begründet umgehen mit fehlenden Werten und extremen Beobachtungen.
Fehlende Werte
-
- MCAR (Missing Completely At Random): Fehlen ist zufällig, unabhängig von allen Variablen
- MAR (Missing At Random): Fehlen hängt von beobachteten anderen Variablen ab
- MNAR (Missing Not At Random): Fehlen hängt vom Wert selbst ab (nicht beobachtbar)
Ausreisser
Checkliste 8: Grafik konzipieren (ggplot2)
Bevor Sie ggplot() tippen, treffen Sie Entscheidungen über Daten, Geom und Schichten. Die Grammar of Graphics macht diese Entscheidungen explizit.
Ebene 1: Plottyp wählen
| Variablen | Diagrammtyp | Geom |
|---|---|---|
| 1 metrisch | Histogramm / Dichte | geom_histogram(), geom_density() |
| 1 kategorial | Balkendiagramm (Häufigkeit) | geom_bar() |
| 2 metrisch | Streudiagramm | geom_point() |
| 1 kategorial × 1 metrisch | Boxplot / Jitter | geom_boxplot(), geom_jitter() |
| 1 kategorial × 1 metrisch (Mittelwert) | Balken aus Daten | geom_col() |
Ebene 2: Aesthetics abbilden
Ebene 3: Verteilung vollständig zeigen
Faustregel: Kennwerte verschweigen die Form. Mittelwert und SD alleine können unterschiedliche Verteilungen identisch aussehen lassen (Anscombe’s Quartett, bimodale Verteilungen).
# Drei Schichten in einem Bild
ggplot(daten, aes(x = gruppe, y = wm_score_t1)) +
geom_boxplot(width = 0.15, position = position_nudge(x = -0.2)) +
geom_jitter(width = 0.08, alpha = 0.5) +
stat_summary(fun.data = mean_cl_normal, geom = "pointrange",
color = "red", position = position_nudge(x = 0.2))Checkliste 9: Grafik publikationsreif machen
Eine explorative Grafik ist noch kein fertiges Ergebnis. Vor dem Einbinden in Bericht oder Paper: Irreführung vermeiden, Beschriftung prüfen, Theme wählen, exportieren.
Ebene 1: Irreführung vermeiden
Ebene 2: Facettierung sinnvoll einsetzen
Ebene 3: Beschriftung & Farben
Ebene 4: Theme & Export
# Export mit definierten Massen und Auflösung
ggsave(here("abbildungen", "wm_boxplot.pdf"),
width = 15, height = 10, units = "cm", dpi = 300)Checkliste 10: ANOVA durchführen
Eine ANOVA klärt, ob sich Gruppen in einer metrischen Zielvariable systematisch unterscheiden. Der Workflow folgt fünf Schritten — vom Design bis zu Post-hoc-Vergleichen. Für die Funktionsdetails siehe Abschnitt Gruppenvergleiche & ANOVA in der Funktionsübersicht.
Ebene 1: Experimentelles Design klären
| Design | Bedeutung | aov_ez()-Spezifikation |
|---|---|---|
| Between-Subjects | Jede Person in genau einer Gruppe | between = "gruppe" |
| Within-Subjects | Jede Person durchläuft mehrere Bedingungen | within = "zeitpunkt" |
| Mixed | Kombination beider | between = "gruppe", within = "zeitpunkt" |
Ebene 2: Daten ins Tidy-Format bringen
# Beispiel: Wide → Long für mixed Design
wm_long <- df_analyse |>
pivot_longer(
cols = c(wm_score_t1, wm_score_t2),
names_to = "zeitpunkt",
values_to = "wm_score"
) |>
mutate(
zeitpunkt = factor(zeitpunkt, levels = c("wm_score_t1", "wm_score_t2"),
labels = c("t1", "t2")),
gruppe = factor(gruppe)
)Ebene 3: ANOVA-Modell schätzen
Hinweis: summary(modell) zeigt rohe Quadratsummen ohne Effektgrösse und ohne Sphärizitätskorrektur — für Berichte immer print() oder nice() nutzen.
Ebene 4: Annahmen prüfen
Faustregel: ANOVA ist robust gegenüber moderaten Annahmenverletzungen, wenn n ≥ 30 pro Gruppe und die Gruppen ähnlich gross sind. Visuell prüfen statt nur auf Signifikanz-Tests vertrauen — bei grossen N wird jede Abweichung signifikant, bei kleinen N fehlt dem Test die Power.
Ebene 5: Post-hoc-Vergleiche
# Kompletter ANOVA-Workflow
library(afex)
library(performance)
library(emmeans)
# 1. Modell schätzen
modell <- aov_ez(id = "id", dv = "wm_score",
between = "gruppe", within = "zeitpunkt",
data = wm_long)
print(modell)
# 2. Annahmen prüfen
check_model(modell, check = c("normality", "qq", "homogeneity"))
# 3. Post-hoc bei signifikanter Interaktion
emm <- emmeans(modell, ~ zeitpunkt | gruppe)
pairs(emm, adjust = "tukey")Checkliste 11: Regression durchführen
Die lineare Regression sagt eine metrische Zielvariable aus einem oder mehreren Prädiktoren vorher und ermöglicht Modellvergleiche, Kovariatenkontrolle und Interaktionen. ANOVA und Regression sind Spezialfälle desselben linearen Modells. Für die Funktionsdetails siehe Abschnitt Lineare Regression & Modellvergleich in der Funktionsübersicht.
Ebene 1: Daten vorbereiten
# Identische Fallzahl & zentrierte Prädiktoren
df_analyse_complete <- df_analyse |>
filter(complete.cases(wm_score_t2, wm_score_t1,
sleep_hours_t2, gruppe)) |>
mutate(
sleep_c = sleep_hours_t2 - mean(sleep_hours_t2),
wm_t1_c = wm_score_t1 - mean(wm_score_t1),
gruppe = factor(gruppe)
)Ebene 2: Modelle mit lm() spezifizieren
Ebene 3: Modelle vergleichen
Hinweis: R² steigt mechanisch mit jedem zusätzlichen Prädiktor — auch bei irrelevanten. Der F-Test in anova() ist deshalb der korrekte Vergleichstest, nicht das blosse Ablesen von R².
Ebene 4: Parameter interpretieren
-
- Intercept (b₀): Vorhergesagter y-Wert, wenn alle Prädiktoren = 0
- Steigungskoeffizient (b₁): Erwartete Veränderung in y pro Einheit x, bei Kontrolle aller anderen Prädiktoren
- Kategoriale Prädiktoren: Differenz zur Referenzkategorie
Interpretationsfalle: Koeffizienten sind immer konditional auf die Referenzkategorie und darauf, dass alle anderen Prädiktoren = 0 sind — nicht über die Daten gemittelt. Bei Interaktionen mit unzentrierten Prädiktoren sind die Haupteffekte oft inhaltlich kaum sinnvoll interpretierbar — Zentrierung in Ebene 1 löst das.
Ebene 5: Annahmen prüfen
# Kompletter Regressions-Workflow
library(performance)
library(emmeans)
# 1. Modelle spezifizieren (auf vollständigen Fällen)
modell1 <- lm(wm_score_t2 ~ sleep_c, data = df_analyse_complete)
modell2 <- lm(wm_score_t2 ~ sleep_c + wm_t1_c + gruppe,
data = df_analyse_complete)
# 2. Modellvergleich
anova(modell1, modell2)
# 3. Parameter interpretieren
summary(modell2)
confint(modell2)
# 4. Annahmen prüfen
check_model(modell2,
check = c("qq", "normality", "linearity", "homogeneity"))