1 Über dieses Buch

13

1.1 Für wen ist dieses Buch? Für Sie?

13

1.2 Was sind die Ziele, was können Sie hier lernen?

13

1.3 Was Sie nicht lernen werden

15

1.3.1 Verwandte Programmiersprachen

15

1.3.2 Big Data

15

1.3.3 Datenbankabfragen

16

1.3.4 Andere Datenformen

16

1.3.5 Kompliziertere Rechenverfahren

16

1.4 Wie Sie mit diesem Buch arbeiten

17

2 Einführung

19

2.1 Statistik und Data Science im Vergleich

21

2.1.1 Statistik

21

2.1.2 Data Science

22

2.2 Was ist R, und warum sollten Sie das überhaupt lernen?

23

3 R Base und RStudio: Installation und erste Schritte

25

3.1 R Base

25

3.1.1 Für Windows

27

3.1.2 Für Linux

28

3.1.3 Für macOS

29

3.2 RStudio

29

3.2.1 Für Windows

31

3.2.2 Für Linux

31

3.2.3 Für (Mac) OS X

31

3.3 Wie sieht die Oberfläche aus, und was bedeuten die einzelnen Bereiche?

31

3.4 Die R-Konsole

33

3.4.1 Erste Berechnungen in der R-Konsole

33

3.4.2 Skriptverlauf und Fehleranalyse

34

3.5 Mein erstes Skript

35

3.5.1 Skriptvorlage erstellen

35

3.5.2 Schreiben und Ausführen des ersten Skriptes

38

3.5.3 Abspeichern des erstellten Skripts

39

3.5.4 Laden des gespeicherten Skripts

41

3.6 Hilfe!

42

3.6.1 R-eigene Hilfe

42

3.6.2 Hilfe aus der riesigen R-Community

45

4 Die Programmiersprache R

51

4.1 Objekte

51

4.2 Funktionen

52

4.3 Pakete (Packages)

53

4.4 Ein paar Vokabeln

61

4.4.1 Die wichtigsten Funktionen und Befehle für Anfänger

61

4.4.2 Cheat-Sheets

67

4.5 Kommentare

68

4.6 Groß- und Kleinschreibung und andere Syntaxregeln

68

4.6.1 Benennung

68

4.6.2 Klammern

69

4.6.3 Syntax

69

4.7 Computer sind dumm

71

5 Grundlagen der statistischen Datenanalyse

73

5.1 Fragestellung und Studiendesign

73

5.2 Von Daten und Datensätzen

74

5.2.1 Querschnittdaten

75

5.2.2 Längsschnitt- oder Paneldaten

78

5.2.3 Datenqualität

82

5.2.4 Datentypen in R (!)

82

5.2.5 Statistik

83

5.3 Berechnung des Durchschnittswertes (Mittelwert, arithmetisches Mittel)

84

5.4 Wachstumsberechnung (Veränderungsberechnung)

84

5.5 Trend und lineare Regression

86

5.6 Beispieldatensatz »Zigarettenverbrauch«

88

6 Daten einlesen und für die Analyse vorbereiten

93

6.1 Daten aus Excel einlesen

93

6.2 Daten im .csv-Format einlesen

98

6.2.1 Einlesen von .csv-Dateien mit RStudio

98

6.2.2 Umwandeln in Excel und weiter mit Abschnitt 6.1

101

6.3 Umgang mit Datumsangaben

102

6.3.1 Datumsangaben als character-Strings

103

6.3.2 Datumsangaben aus Individualkomponenten

108

6.4 Daten vorbereiten

109

6.4.1 Excel

112

6.4.2 In R

114

6.5 Not available! - Der Umgang mit fehlenden Werten

122

6.5.1 NAs entdecken mit is.na()

122

6.5.2 Löschen von NAs

126

7 Daten analysieren mit einfacher Statistik

129

7.1 Beispiel 1: Zigarettenkonsum

129

7.1.1 Mittelwert

132

7.1.2 Wachstum

133

7.1.3 Trend/lineare Regression

136

7.2 Beispiel 2: 100 Jahre Wohlstandsentwicklungen in Indien

144

7.2.1 Zusammenstellung der benötigten Daten

144

7.2.2 Analyse

157

7.3 Visualisierung

166

7.3.1 Grundlagen und Funktionsweise von ggplot2

166

7.3.2 Einfaches Streudiagramm mit dem Datensatz Luftqualität

167

7.3.3 Barplot: Beispiel Zigarettendatensatz

170

7.3.4 Einfacher Lineplot: Beispiel Zigaretten- und Gapminder-Daten

179

8 Umfassendes Praxisbeispiel

187

8.1 Fragestellung: Was will ich wissen?

188

8.2 Datenbeschaffung

189

8.3 Daten laden und Überblick verschaffen

191

8.3.1 Daten laden

191

8.3.2 Überblick verschaffen

191

8.4 Daten vorbereiten und bereinigen

195

8.4.1 NAs entfernen

195

8.4.2 Unplausible Werte entfernen

196

8.4.3 Weitere Anpassungen

196

8.5 Verarbeitung der Daten im Dreiklang

196

8.6 Kommunikation

219

8.7 Dokumentation

219

8.8 Bonus: Folgeanalyse in der Zeitreihe: Krankheitstage

219

A Datenmaterial

235

A.1 Zigaretten 1

235

A.2 Zensus Länder

236

A.3 Luftqualität

237

A.4 Zigaretten 2

243

A.5 Indien 1990-2000

244

A.6 Personaldaten

245

A.7 Personaldaten - Erweitert

252