Datensätze
FS 2026
Überblick
Auf dieser Seite finden Sie eine zentrale Übersicht aller Datensätze, die in den Übungen verwendet werden: Studienkontext, Dateien, Codebook und Hinweise zum Datenformat.
Die Übungen zur Statistik IV begleiten eine fiktive Studie zu Stress und Arbeitsgedächtnis. Bei rund 188 Teilnehmenden wurde vor und nach einer Intervention die Arbeitsgedächtniskapazität gemessen; zusätzlich wurden Schlafdauer und aktuelles Stress-Erleben erfasst. Die Personen wurden zufällig einer Stress- oder Kontrollgruppe zugewiesen.
Datensätze im Überblick
Im Lauf des Semesters arbeiten Sie mit zwei Generationen des Datensatzes:
| Datei | Inhalt | Format | Verwendet in |
|---|---|---|---|
WM_Fragebögen.csv |
Erste Version: eine Erhebung pro Person | CSV (wide) | Übungen 1–6 |
Lab_Kodierung.dat |
Messy Hiwi-Kodierung zu erster Version | TAB | Übungen 3–5 |
WM_Fragebögen_NEU.csv |
Pre/Post-Messung (_t1, _t2) |
CSV (wide) | Übungen 7–12 |
Lab_Kodierung_NEU.dat |
Messy Hiwi-Kodierung zur Pre/Post-Version | TAB | Übungen 7–12 |
df_analyse_NEU.csv |
Analysefertig (bereinigt, wide mit _t1/_t2) |
CSV (wide) | Rückfall S11 / S12 |
Download: Alle Dateien sind via OLAT zugänglich.
In den ersten fünf Übungen üben Sie Datenimport und Datenaufbereitung. Dafür ist der ursprüngliche Datensatz mit einer einzelnen Erhebung pro Person übersichtlicher.
Ab Übung 7 geht es um Deskription, Visualisierung und inferenzstatistische Analysen. Die Pre/Post-Erhebung erlaubt dann konkretere Fragestellungen: Gruppenvergleiche nach der Intervention oder Veränderung zwischen _t1 und _t2.
Codebook
Personen- und Kontextvariablen
| Variable | Skalenniveau | Mögliche Werte | Bedeutung |
|---|---|---|---|
id |
nominal (ID) | 1, 2, … | Eindeutige Teilnehmer-ID |
session_code |
nominal | 1/4 … 4/4 |
Erhebungsbatch innerhalb einer Session |
gruppe |
nominal | Stress, KG |
Experimentelle Bedingung |
device |
nominal | Lab, Zuhause |
Erhebungskontext |
coder |
nominal | AB, CD, EF |
Hiwi, der die Daten kodiert hat |
age |
metrisch | 18–35 (plausibel) | Alter in Jahren |
gender |
nominal | f, m, div, na |
Selbstangabe |
Zielvariablen (im _NEU-Datensatz jeweils mit Suffix _t1 / _t2)
| Variable | Skalenniveau | Range | Bedeutung |
|---|---|---|---|
wm_score |
metrisch | 0 – 40 | Arbeitsgedächtnis-Score |
sleep_hours |
metrisch | 0 – 12 h | Selbstberichtete Schlafdauer |
stress_rating |
metrisch (Skala) | 0 – 10 | Aktuelles Stress-Erleben |
Rohvariablen der Hiwi-Kodierung (Lab_Kodierung_NEU.dat)
| Variable | Bedeutung | Typische Probleme |
|---|---|---|
id_raw |
Teilnehmer-ID, wie vom Hiwi eingegeben | Leerzeichen, ID-02, P17 |
group_raw |
Gruppenzuweisung | CON, ctrl, stress, STRESS |
device_raw |
Erhebungskontext | home, Zuhause, LAB |
coder |
Kürzel des Hiwis | Gross-/Kleinschreibung, Leerzeichen |
notes |
Freitextnotizen | Hinweise auf Probleme, Duplikate |
Versteckte fehlende Werte kommen als vergessen, nicht erhoben, k.A., ? etc. vor — diese müssen bei der Aufbereitung zu echten NA umkodiert werden.
Wide vs. Long — kurz erklärt
Alle Pre/Post-Dateien (WM_Fragebögen_NEU.csv und df_analyse_NEU.csv) liegen im wide format vor: pro Person eine Zeile, die beiden Messzeitpunkte stehen als separate Spalten nebeneinander.
# wide:
# id wm_score_t1 wm_score_t2 sleep_hours_t1 sleep_hours_t2 …
# 1 26 NA 7.9 8.1
# 2 37 31 7.9 NAFür bestimmte Analysen (etwa vergleichende Reporting-Tabellen oder Visualisierung nach Messzeitpunkt) ist das long format praktischer: pro Person × Messzeitpunkt eine Zeile, mit einer zusätzlichen Spalte MZP.
# long (bei Bedarf aus wide erzeugen):
library(tidyr)
df_long <- df_analyse |>
pivot_longer(
cols = c(starts_with("wm_score_"),
starts_with("sleep_hours_"),
starts_with("stress_rating_")),
names_to = c(".value", "MZP"),
names_pattern = "(.+)_(t[12])$"
)
# id MZP wm_score sleep_hours stress_rating
# 1 t1 26 7.9 NA
# 1 t2 NA 8.1 4.8Für ANOVA und Regression mit Baseline-Kontrolle (S11/S12) ist wide direkt nutzbar; für deskriptive Pre/Post-Tabellen oder facettierte Plots lohnt sich der pivot_longer()-Schritt.
Welche Datei verwende ich wann?
- Übungen 1–6: die ursprünglichen Dateien (
WM_Fragebögen.csv,Lab_Kodierung.dat). In den webR-Konsolen auf der Website sind sie bereits integriert. - Übungen 7–12: die
_NEU-Dateien. Ebenfalls in den webR-Konsolen vorbereitet; die Aufbereitungspipeline (Import, Merge, Recode) wird in jeder Übung inline gezeigt. df_analyse_NEU.csv: Rückfalloption für Übungen 11 und 12, wenn die Datenaufbereitung Sie zu viel Zeit kostet. Bereits bereinigt und im gleichen wide format wie die inline-Pipeline in Übung 7. Direkt einlesbar:
library(here)
df_analyse <- read.csv2(here("daten", "df_analyse_NEU.csv"))Versuchen Sie in Übungen 11 und 12 zunächst, die Pipeline aus Übung 7 selbst anzuwenden. Wenn Sie nach etwa 15 Minuten keine lauffähige Aufbereitung haben, wechseln Sie auf df_analyse_NEU.csv, damit Sie an den statistischen Analysen weiterarbeiten können. Der Lerneffekt der Analyse-Übungen liegt nicht im erneuten Bereinigen.
Typische Fehler beim Umstieg auf die _NEU-Dateien
Nach dem Wechsel zum Pre/Post-Datensatz stolpern viele Studierende an denselben Stellen. Die folgenden Fehler sind nicht kritisch, kosten aber leicht Zeit.
Unknown column 'wm_score'
Die Zielvariablen heissen nicht mehr wm_score, sleep_hours, stress_rating, sondern tragen einen Suffix für den Messzeitpunkt: wm_score_t1, wm_score_t2, sleep_hours_t1, … Prüfen Sie mit names(wm_daten) oder glimpse(wm_daten), welche Spalten tatsächlich vorliegen.
Code aus Übung 3–5 läuft nicht mehr
Die alte Pipeline in den Übungen 3–5 basiert auf dem ursprünglichen Datensatz ohne Pre/Post. Wenn Sie Code aus diesen Übungen in Übung 7+ übernehmen, müssen Sie Variablennamen und ggf. die Aufbereitungsschritte anpassen.
Duplikate in Lab_Kodierung_NEU.dat
Die Hiwi-Tabelle enthält absichtlich einige doppelte Zeilen (erkennbar an der Notiz “Doppelter Eintrag?”). Vor dem Join mit der Fragebogentabelle: distinct() oder sichten und bewusst entscheiden.
Fehlende Werte stehen als Text drin
In Lab_Kodierung_NEU.dat kommen Einträge wie "vergessen", "k.A.", "?" vor. R erkennt diese nicht automatisch als NA, weil sie in der .dat-Datei als normale Strings stehen. Beim Recoden zu echten NA konvertieren (case_when(...) oder na_if()).
Encoding-Probleme mit Umlauten (v.a. Windows)
Wenn Spaltennamen wie "ö" statt "ö" erscheinen: read.csv2(..., fileEncoding = "UTF-8") setzen.
Changelog
2026-04-17: Überarbeitete Simulationspipeline. Die _NEU-Dateien enthalten jetzt Pre/Post-Messungen für wm_score, sleep_hours und stress_rating. Zusätzlich bereitgestellt: df_analyse_NEU.csv (bereinigt, wide mit _t1/_t2).