Funktionsübersicht

FS 2026

Author

Gidon Frischkorn

Funktionsübersicht: Statistik IV

Diese Seite bietet eine kompakte Übersicht der wichtigsten R-Funktionen, die Sie in der Vorlesung und den Übungen verwenden. Die Funktionen sind nach Workflow-Schritten geordnet.

Projektstruktur & Pfade

here Paket

Das here-Paket ermöglicht reproduzierbare relative Pfade, die unabhängig vom Arbeitssystem funktionieren.

Funktion Beschreibung Beispiel
here() Gibt den Projektordner zurück here()
here("ordner", "datei.csv") Baut einen relativen Pfad here("daten", "rohdaten.csv")

Basis R — Dateioperationen

Funktion Beschreibung Beispiel
list.files(path) Listet Dateien in einem Ordner list.files(here("daten"))
file.exists(path) Prüft ob eine Datei existiert file.exists(here("daten", "data.csv"))
file.copy(from, to) Kopiert eine Datei file.copy("quelle.csv", "ziel.csv")
dir.create(path) Erstellt einen neuen Ordner dir.create(here("output"))

Daten Einlesen

Basis R — Textdateien

Funktion Beschreibung Typische Argumente
readLines(con, n) Liest rohe Textzeilen (zur Format-Inspektion) n = 5 für die ersten 5 Zeilen
read.csv(file) Liest CSV mit Komma-Trennung (englisch) header = TRUE, stringsAsFactors = FALSE
read.csv2(file) Liest CSV mit Semikolon-Trennung (deutsch) header = TRUE, dec = ","
read.table(file) Flexibles Einlesen mit wählbarem Trennzeichen sep = "\t", header = TRUE, na.strings = c("NA", "")
read.delim(file) Liest Tab-getrennte Dateien header = TRUE

readr Paket (tidyverse)

Funktion Beschreibung
read_csv(file) Liest CSV mit Komma-Trennung
read_csv2(file) Liest CSV mit Semikolon-Trennung
read_tsv(file) Liest Tab-getrennte Dateien
read_delim(file, delim) Liest mit beliebigem Trennzeichen

haven Paket (SPSS, Stata, SAS)

Funktion Beschreibung
read_sav(file) Liest SPSS .sav-Dateien
read_dta(file) Liest Stata .dta-Dateien
read_sas(file) Liest SAS .sas7bdat-Dateien

readxl Paket (Excel)

Funktion Beschreibung
read_excel(file) Liest Excel .xlsx/.xls-Dateien
excel_sheets(file) Listet alle Tabellenblätter
read_excel(file, sheet = "Name") Liest ein bestimmtes Tabellenblatt

Daten Validieren

Struktur prüfen

Funktion Beschreibung Ausgabe
dim(df) Zeilen- und Spaltenanzahl c(Zeilen, Spalten)
nrow(df) / ncol(df) Zeilen- bzw. Spaltenanzahl Einzelner Wert
names(df) Spaltennamen Charaktervektor
str(df) Struktur mit Datentypen Übersicht im Konsole
class(df) Datentyp eines Objekts z. B. "data.frame"
sapply(df, class) Datentyp jeder Spalte Benannter Vektor

Werte prüfen

Funktion Beschreibung Beispiel
summary(df) Deskriptive Statistiken je Spalte summary(daten)
table(df$var) Häufigkeitstabelle einer Variable table(daten$geschlecht)
is.na(x) Prüft auf fehlende Werte is.na(daten$wm_score)
colSums(is.na(df)) Anzahl fehlender Werte je Spalte colSums(is.na(daten))
sum(is.na(x)) Gesamtanzahl fehlender Werte sum(is.na(daten$alter))
range(x, na.rm = TRUE) Minimum und Maximum range(daten$alter, na.rm = TRUE)

Konsistenz prüfen

Funktion Beschreibung Beispiel
duplicated(df) Identifiziert duplizierte Zeilen sum(duplicated(daten))
unique(x) Eindeutige Werte unique(daten$gruppe)
intersect(x, y) Gemeinsame Elemente zweier Vektoren intersect(daten1$id, daten2$id)
setdiff(x, y) Elemente in x aber nicht in y setdiff(daten1$id, daten2$id)

Daten Aufbereiten (dplyr)

Zeilen und Spalten

Funktion Beschreibung Beispiel
filter(df, cond) Filtert Zeilen nach Bedingung filter(daten, alter > 18)
select(df, vars) Wählt Spalten aus select(daten, id, alter, geschlecht)
rename(df, neu = alt) Benennt Spalten um rename(daten, age = alter)
arrange(df, var) Sortiert nach einer Variable arrange(daten, alter)
distinct(df) Entfernt duplizierte Zeilen distinct(daten)

Variablen verändern

Funktion Beschreibung Beispiel
mutate(df, neu = ausdruck) Erstellt oder verändert Spalten mutate(daten, alter_z = scale(alter))
case_when(...) Mehrfach-If-Else für Rekodierung Siehe unten
if_else(cond, ja, nein) Einfaches If-Else if_else(daten$alter >= 18, "adult", "minor")
na_if(x, val) Ersetzt Wert durch NA na_if(daten$gender, "k.A.")
replace_na(x, val) Ersetzt NA durch Wert replace_na(daten$score, 0)
coalesce(x, y) Nimmt ersten nicht-NA Wert coalesce(daten$v1, daten$v2)
# Beispiel: case_when für Rekodierung
daten <- daten |>
  mutate(
    gruppe = case_when(
      gruppe_raw %in% c("KG", "Kontrolle", "control") ~ "Kontrolle",
      gruppe_raw %in% c("EG", "Experimental", "exp")  ~ "Experimental",
      TRUE ~ NA_character_
    )
  )

Zusammenfassen

Funktion Beschreibung Beispiel
group_by(df, var) Gruppiert nach Variable group_by(daten, geschlecht)
summarise(df, stat = fun) Berechnet Zusammenfassungen summarise(daten, m = mean(score))
count(df, var) Zählt Vorkommen je Wert count(daten, gruppe)

Tidy Data (tidyr)

Funktion Beschreibung Beispiel
pivot_longer(df, cols, ...) Von breitem zu langem Format Siehe unten
pivot_wider(df, ...) Von langem zu breitem Format Siehe unten
separate(df, col, into, sep) Teilt eine Spalte auf separate(df, datum, c("tag","monat","jahr"), sep = ".")
unite(df, col, ..., sep) Verbindet Spalten unite(df, name_voll, vorname, nachname, sep = " ")
drop_na(df, cols) Entfernt Zeilen mit fehlenden Werten drop_na(daten, wm_score)
# pivot_longer: von breit nach lang
daten_lang <- daten_breit |>
  pivot_longer(
    cols = starts_with("messung"),
    names_to = "zeitpunkt",
    values_to = "wert"
  )

# pivot_wider: von lang nach breit
daten_breit <- daten_lang |>
  pivot_wider(
    names_from = zeitpunkt,
    values_from = wert
  )

Datensätze zusammenführen (dplyr)

Funktion Beschreibung
left_join(x, y, by) Alle Zeilen von x, passende von y
right_join(x, y, by) Alle Zeilen von y, passende von x
full_join(x, y, by) Alle Zeilen von x und y
inner_join(x, y, by) Nur Zeilen mit Übereinstimmung in beiden
anti_join(x, y, by) Zeilen in x ohne Übereinstimmung in y
# Beispiel: Zwei Datensätze über ID verbinden
daten_komplett <- left_join(fragebogen, lab_daten, by = "id")

Datenvisualisierung (ggplot2)

Eine ggplot-Grafik wächst in Schichten: Daten → Mapping (aes) → Geom → Beschriftung → Theme. Schichten werden mit + verknüpft. Für die Funktionen zur Datenaufbereitung vor dem Plotten (pivot_longer(), filter(), mutate() etc.) siehe die Sektionen Daten Aufbereiten und Tidy Data weiter oben.

Grundlagen: Schichten eines Plots

Funktion Beschreibung Beispiel
ggplot(data, aes(...)) Initialisiert einen Plot und legt Daten + Aesthetics fest ggplot(daten, aes(x = gruppe, y = wm_score_t1))
aes(...) Bildet Variablen auf visuelle Eigenschaften ab (x, y, color, fill, shape) aes(x = gruppe, fill = geschlecht)
labs(...) Titel, Achsenbeschriftung, Legende, Caption Siehe unten

Merkregel: Variablen-abhängige Aesthetics gehören innerhalb aes(); feste Werte (z. B. fill = "steelblue") ausserhalb.

# Aussagekräftige Beschriftung statt Variablennamen
plot + labs(
  title   = "WM-Score nach Versuchsgruppe",
  x       = "Versuchsgruppe",
  y       = "Working-Memory-Score (Punkte)",
  fill    = "Gruppe",
  caption = "Daten: WM-Studie FS2026"
)

Geome — welche Form für welche Daten?

Funktion Geeignet für Zeigt
geom_histogram() 1 metrische Variable Häufigkeiten pro Bin
geom_density() 1 metrische Variable Geglättete Verteilung
geom_boxplot() 1 kategoriale × 1 metrische Median, Quartile, Ausreisser
geom_jitter() 1 kategoriale × 1 metrische Jede Einzelbeobachtung
geom_point() 2 metrische Variablen Streudiagramm
geom_bar() 1 kategoriale Variable Zählt Fälle pro Kategorie
geom_col() 1 kategoriale × 1 metrische Balkenhöhe aus den Daten (z. B. Mittelwerte)

Entscheidungsfrage: Wie viele Variablen mit welchem Skalenniveau? → Wähle das passende Geom. Verteilung zeigen (boxplot/jitter) ist meist informativer als ein Balken mit Mittelwert.

Zusammenfassung als eigene Schicht

Funktion Beschreibung Typische Argumente
stat_summary() Aggregiert Daten pro Gruppe und zeichnet das Ergebnis fun = mean, fun.data = mean_cl_normal, geom = "pointrange"

Mit fun.data = mean_cl_normal zeichnet stat_summary() Mittelwert + 95%-Konfidenzintervall. Das CI zeigt die Präzision der Mittelwertsschätzung, nicht die Streuung der Einzelwerte.

# Kombinierter Plot: Kennwerte + Rohdaten + Schätzung mit Unsicherheit
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))

Anordnung & Position

Funktion Beschreibung Beispiel
position_nudge(x, y) Verschiebt eine Schicht um einen festen Betrag position_nudge(x = -0.2)
position_dodge(width) Stellt Gruppen nebeneinander statt übereinander geom_histogram(position = position_dodge())

Facettierung: Mehrere Panels

Funktion Beschreibung Beispiel
facet_wrap(~var) Ein Panel pro Ausprägung, fliessend angeordnet facet_wrap(~gruppe)
facet_grid(zeile ~ spalte) Matrix-Layout für zwei Faktoren facet_grid(geschlecht ~ gruppe)
# Freie y-Achse: nur verwenden, wenn die Form (nicht die Höhe)
# der Verteilung interessiert — sonst sind Niveauvergleiche irreführend.
ggplot(daten, aes(x = wm_score_t2)) +
  geom_histogram(bins = 12) +
  facet_wrap(~gruppe, scales = "free_y")

Farbskalen & Barrierearmut

Funktion Beschreibung
scale_fill_brewer(palette) / scale_color_brewer(palette) ColorBrewer-Paletten für kategoriale Variablen (z. B. "Set2")
scale_fill_viridis_d() / scale_color_viridis_d() Farbfehlsichtigkeits-freundlich, auch in Schwarz-Weiss lesbar

Default-Farben sind nicht für alle Leserinnen und Leser gut unterscheidbar. Für Publikationen immer eine bewusst gewählte, colorblind-safe Palette verwenden.

Themes: Erscheinungsbild

Funktion Beschreibung
theme_minimal() Minimalistisch, wenig visuelle Ablenkung
theme_bw() Weisser Hintergrund, dezente Gitterlinien
theme_classic() Klassisch, keine Gitterlinien (Lehrbuch-Stil)

Der Default theme_gray() (grauer Hintergrund) ist zum Explorieren OK, für Berichte aber ungeeignet.

Achsen & Export

Funktion Beschreibung Beispiel
coord_cartesian(xlim, ylim) Zoomt auf einen Achsenausschnitt, ohne Daten zu verwerfen coord_cartesian(ylim = c(0, 30))
ggsave(filename, ...) Speichert den letzten Plot in Datei Siehe unten

Faustregel: Bei geom_col() die y-Achse bei 0 beginnen lassen — abgeschnittene Balken übertreiben Unterschiede und zählen zu den häufigen irreführenden Grafiken.

# PDF = Vektor (Paper), PNG = Raster (Präsentation/Web)
ggsave("abbildungen/wm_boxplot.pdf",
       width = 15, height = 10, units = "cm", dpi = 300)

Nützliche Hilfsfunktionen

Funktion Beschreibung
sessionInfo() Zeigt R-Version und geladene Pakete
Sys.time() Aktuelles Datum und Uhrzeit
set.seed(n) Reproduzierbare Zufallszahlen
glimpse(df) Kompakte Übersicht eines Data Frames (dplyr)
head(df, n) / tail(df, n) Erste/letzte n Zeilen
View(df) Öffnet Data Frame im Viewer
table(df$var) Häufigkeitstabelle (base R)
prop.table(table(df$var)) Häufigkeitstabelle mit Anteilen (base R)
addmargins(table(df$var1, df$var2)) Kreuztabelle mit Randsummen (base R)

Gruppenvergleiche & ANOVA

Die ANOVA prüft, wie viel der Streuung in einer metrischen Variable durch Gruppenzugehörigkeit erklärt wird. Der Workflow folgt drei Schritten: Modell anpassen → Annahmen prüfen → Post-hoc-Vergleiche (wenn der Gesamttest signifikant ist und mehr als zwei Gruppen vorliegen).

afex Paket — ANOVA-Modell anpassen

Funktion Beschreibung Beispiel
aov_ez(id, dv, between, data) ANOVA mit automatischer Berechnung von Effektgrössen aov_ez(id = "id", dv = "wm_score_t2", between = "gruppe", data = wm_daten)
print(modell) Ergebnistabelle mit df, MSE, F, ges (generalisiertes η²) und p print(modell)
nice(modell, es = "pes") Formatierte Tabelle, optional mit partial η² (pes) statt ges nice(modell, es = "pes")

Argumente von aov_ez(): id = Spaltenname der Personen-ID, dv = abhängige Variable, between = Zwischensubjektfaktor(en), within = Innersubjektfaktor(en) für Messwiederholungen. Bei einfaktoriellen Between-Designs entspricht ges dem klassischen η² aus Statistik II.

performance Paket — Annahmen prüfen

Funktion Beschreibung Beispiel
check_model(modell, check = ...) Diagnostik-Panels als Grafik check_model(modell, check = c("normality", "qq", "homogeneity"))
check_homogeneity(modell) Levene-Test auf Varianzhomogenität als Zahl check_homogeneity(modell)

Ein einziger check_model()-Aufruf liefert die wichtigsten Diagnostik-Panels: QQ-Plot (Normalverteilung der Residuen) und Homogeneity-Panel (Varianzhomogenität). Punkte nahe an der Linie im QQ-Plot und eine annähernd horizontale Linie im Homogeneity-Panel sprechen dafür, dass die Annahmen erfüllt sind.

emmeans Paket — Post-hoc-Vergleiche

Funktion Beschreibung Beispiel
emmeans(modell, ~ faktor) Schätzt Mittelwerte (Estimated Marginal Means) pro Gruppe emmeans(modell, ~ gruppe)
pairs(emm, adjust = "tukey") Paarweise Vergleiche mit Adjustierung für multiples Testen pairs(emm, adjust = "tukey")

Tukey ist Standard bei ANOVA mit mehreren Gruppen; Bonferroni ist konservativer und passt bei wenigen, gezielten Vergleichen. Der Output zeigt pro Gruppenpaar estimate (Mittelwertsdifferenz), SE, t.ratio und das adjustierte p.value.

# Kompletter ANOVA-Workflow
library(afex)
library(performance)
library(emmeans)

# 1. Modell anpassen
modell <- aov_ez(id = "id", dv = "wm_score_t2",
                 between = "gruppe", data = wm_daten)
print(modell)

# 2. Annahmen prüfen
check_model(modell, check = c("normality", "qq", "homogeneity"))
check_homogeneity(modell)

# 3. Post-hoc-Vergleiche
emm <- emmeans(modell, ~ gruppe)
pairs(emm, adjust = "tukey")

Lineare Regression & Modellvergleich

Die lineare Regression sagt eine metrische Zielvariable aus einem oder mehreren Prädiktoren vorher (y = b₀ + b₁·x + e). ANOVA und Regression sind Spezialfälle desselben linearen Modells — die Diagnostik-Funktionen sind deshalb identisch.

Basis R — Modell anpassen

Funktion Beschreibung Beispiel
lm(y ~ x, data) Passt ein lineares Modell an (einfache Regression) lm(wm_score_t2 ~ sleep_hours_t2, data = wm_daten)
summary(modell) Koeffizienten, Standardfehler, t-Tests, R², F-Statistik summary(modell)
confint(modell) 95%-Konfidenzintervalle für die Koeffizienten confint(modell)

Interpretation der Koeffizienten: Der Intercept (b₀) ist der vorhergesagte y-Wert bei x = 0. Der Steigungskoeffizient (b₁) ist die erwartete Veränderung in y pro Einheit x. Pr(>|t|) testet, ob der Koeffizient signifikant von 0 verschieden ist.

Multiple Regression & Modellvergleich

Funktion Beschreibung Beispiel
lm(y ~ x1 + x2, data) Multiple Regression mit mehreren Prädiktoren lm(wm_score_t2 ~ sleep_hours_t2 + wm_score_t1, data = wm_daten)
anova(modell1, modell2) F-Test für geschachtelten Modellvergleich (Varianz-Zuwachs) anova(modell1, modell2)

Voraussetzung für anova(): Beide Modelle müssen auf demselben N basieren — fehlende Werte dürfen nicht zwischen Modellen variieren. Lösung: vor der Modellierung mit filter(complete.cases(...)) einen vollständigen Datensatz erzeugen.

# Identische Fallzahl für alle Modelle sicherstellen
wm_komplett <- wm_daten |>
  filter(complete.cases(wm_score_t2, wm_score_t1, sleep_hours_t2))

modell1 <- lm(wm_score_t2 ~ sleep_hours_t2, data = wm_komplett)
modell2 <- lm(wm_score_t2 ~ sleep_hours_t2 + wm_score_t1, data = wm_komplett)

# Lohnt sich der zusätzliche Prädiktor?
anova(modell1, modell2)

Hinweis zu R²: R² steigt mechanisch mit jedem zusätzlichen Prädiktor. Der F-Test in anova() prüft, ob der Zuwachs grösser ist als zufällig zu erwarten.

Residualdiagnostik

Funktion Beschreibung Beispiel
plot(modell) Vier Diagnostik-Plots: Residuals vs. Fitted, QQ, Scale-Location, Leverage plot(modell)
check_model(modell, check = ...) Diagnostik-Panels via performance (gleiche Funktion wie bei ANOVA) check_model(modell, check = c("qq", "normality", "linearity", "homogeneity"))

Die wichtigsten Diagnose-Panels: Residuals vs. Fitted prüft Linearität (sichtbarer Trend = Verletzung), Scale-Location prüft Homoskedastizität (Fächer-Form = Verletzung), QQ-Plot prüft Normalverteilung der Residuen (Abweichung von der Linie = Verletzung).