E-Book, Deutsch, 366 Seiten
Reihe: Animals
Eine praxisorientierte Einführung in R
E-Book, Deutsch, 366 Seiten
Reihe: Animals
ISBN: 978-3-96010-141-3
Verlag: O'Reilly
Format: PDF
Kopierschutz: 1 - PDF Watermark
Anders als viele andere Einführungen in R vermittelt Ihnen dieses Buch nicht nur die Grundlagen der Sprache R, sondern verknüpft dies mit der kompakten Darstellung zentraler Methoden der Statistik: Statistische Kernkonzepte werden gut nachvollziehbar beschrieben, bevor sie mit R angewandt werden. Eine Interpretation des R-Outputs aus statistischer Sicht sowie die Erläuterung der häufigsten Fehlermeldungen und ihrer Ursachen trägt dazu bei, Konzepte besser zu verstehen und Zusammenhänge zu erkennen. Auf diese Weise werden Sie rasch in die Lage versetzt, produktiv mit R zu arbeiten.
Themen des Buchs sind:
- Mit Daten arbeiten: Ihre Arbeit mit R organisieren, Einlesen von Daten in R, Datenspeicherung
- Daten aufbereiten: unterschiedliche Datensätze kombinieren, Daten filtern, sortieren und bereinigen
- Daten deskriptiv analysieren: den Datensatz kennenlernen, Lage-, Streuungs-und Zusammenhangsmaße berechnen und interpretieren
- Kontinuierliche Daten analysieren: Lineare Regressionsmodelle, Hypothesentests, Diagnose und Behandlung von Annahmeverletzungen
- Kategoriale Daten analysieren: Lineares Wahrscheinlichkeitsmodell, Logit-und Probit-Modelle
- Ergebnisse präsentieren: Ergebnisse in Tabellen und Grafiken aussagekräftig präsentieren
Autoren/Hrsg.
Weitere Infos & Material
1;Impressum;4
2;Inhaltsverzeichnis;5
3;Kapitel 1: Einführung;9
3.1;An wen richtet sich dieses Buch?;11
3.2;Aufbau dieses Buchs;11
3.3;Was ist R?;12
3.4;Keine Angst vorm Programmieren!;13
3.5;R installieren;15
3.6;Komfortabler arbeiten: R-Editoren;18
3.7;Hilfe zu R bekommen;20
3.8;Beispieldateien zum Download;25
4;Kapitel 2: Die eigene Arbeit organisieren;27
4.1;Eingabemodi von R;27
4.2;Packages verwenden;30
4.3;Ein Arbeitsverzeichnis aufbauen;33
4.4;Arbeitsstände sichern und wiederherstellen;36
5;Kapitel 3: Mit Daten arbeiten;39
5.1;Einfache Variablen und Zuweisungen;39
5.1.1;Variablen als Datenspeicher;40
5.1.2;Variablen erzeugen und mit Werten versehen;41
5.1.3;Numerische Variablen;43
5.1.4;Zeichenketten;43
5.1.5;Logische Werte;44
5.1.6;Faktoren;46
5.1.7;Datentypen von Variablen ermitteln und konvertieren;48
5.1.8;Variablen löschen;50
5.2;Vektoren;51
5.2.1;Vektoren anlegen;51
5.2.2;Mit Missings umgehen;54
5.2.3;Auf einzelne Elemente eines Vektors zugreifen;55
5.3;Dataframes;58
5.4;Einlesen von Daten nach R;66
5.4.1;Der Beispieldatensatz;66
5.4.2;Einige Tipps zur Arbeit mit Daten;68
5.4.3;Importieren der Daten;69
6;Kapitel 4: Daten aufbereiten;77
6.1;Datenaufbereitung mit R – muss das sein?;77
6.2;Datensätze zusammenführen;78
6.2.1;Datensätze mit gleicher Struktur;79
6.2.2;Datensätze mit unterschiedlicher Struktur;82
6.3;Daten selektieren;85
6.3.1;Selektion mit festen Indexwerten;85
6.3.2;Selektion mit Bedingungen;88
6.4;Daten rekodieren;91
6.5;Daten klassieren;95
6.5.1;Duplikate bereinigen;97
6.6;Daten sortieren;99
6.7;Geänderten Datensatz speichern;101
7;Kapitel 5: Daten deskriptiv analysieren;107
7.1;Repetitorium Deskriptive Statistik;108
7.1.1;Lagemaße;109
7.1.2;Streuungsmaße;111
7.1.3;Zusammenhangsmaße;114
7.2;Statistische Kennzahlen in R;117
7.2.1;Lagemaße in R;117
7.2.2;Streuungsmaße in R;121
7.2.3;Zusammenhangsmaße in R;127
7.2.4;Daten gruppiert analysieren;130
8;Kapitel 6: Lineare Regression: Kontinuierliche Daten analysieren (Inferenzstatistik I);135
8.1;Die Rolle der Inferenzstatistik;135
8.2;Statistisches Repetitorium Lineare Regression;136
8.2.1;Was ist lineare Regression?;137
8.2.2;Annahmen des linearen Regressionsmodells;139
8.2.3;Schätzung von linearen Regressionsmodellen;148
8.2.4;Bestimmung der Schätzgüte;153
8.2.5;Unverzerrtheit und Effizienz der Schätzer;157
8.2.6;Hypothesentests einzelner Parameter;161
8.2.7;Gleichzeitige Hpothesentests mehrerer Parameter;168
8.3;Lineare Regression in R;172
8.3.1;Ein erstes Regressionsmodell in R;173
8.3.2;Weitere Beispiele für Regressionsmodelle;181
8.3.3;Ein genauerer Blick auf die Funktion lm;184
8.3.4;Ein genauerer Blick auf die Funktion summary;190
8.4;Hypothesentests in R;195
8.4.1;Typen von Hypothesentests;196
8.4.2;Hypothesentests einzelner Parameter;199
8.4.3;Gleichzeitige Hypothesentests mehrerer Parameter;203
8.5;Regression auf kategoriale Variablen;211
8.5.1;Kategoriale Variablen als Regressoren;211
8.5.2;Die Basiskategorie verstehen und interpretieren;214
8.6;Verletzung der Annahmen des linearen Regressionsmodells;221
8.6.1;Heteroskedastizität;222
8.6.2;Multikollinearität;233
8.6.3;Nicht normalverteilte Störgrößen;239
8.6.4;Autokorrelation;242
8.6.5;Spezifikationsfehler;248
8.7;Entwicklung von Regressionsmodellen – ein paar Tipps;259
9;Kapitel 7: Kategoriale Daten analysieren (Inferenzstatistik II);265
9.1;Das lineare Wahrscheinlichkeitsmodell;265
9.2;Logit- und Probit-Modelle;268
9.2.1;Abhängige kategoriale Variablen mit zwei Kategorien;269
9.2.2;Abhängige kategoriale Variablen mit mehreren Kategorien;277
10;Kapitel 8: Ergebnisse präsentieren;289
10.1;Tabellen mit R;289
10.2;Grafiken mit R;296
10.2.1;Histogramme;297
10.2.2;Scatterplots (Punktwolken);301
10.2.3;Boxplots;305
10.2.4;Globale Grafikparameter einstellen;308
10.2.5;Mehrere Grafiken kombinieren;311
10.2.6;Elemente zu Grafiken hinzufügen;313
11;Kapitel 9: Programmieren mit R;319
11.1;R-Skripte;320
11.1.1;R-Skripte bearbeiten und ausführen;320
11.1.2;R-Code kommentieren;321
11.1.3;R-Code modularisieren;324
11.2;Grundlegende Konzepte der Programmierung in R;325
11.3;Funktionen;326
11.3.1;Der Funktionskopf;329
11.3.2;Der Funktionsrumpf;331
11.4;Kontrollstrukturen;335
11.4.1;Wenn-Dann-Entscheidungen (if-Konstrukte);336
11.4.2;Abgezählte Schleifen (for);339
11.4.3;Bedingte Schleifen (while);343
11.5;Ein ausführliches Beispiel;347
12;Index;357
13;Über den Autor;365
14;Kolophon;365
15;www.oreilly.de;0