Fehlende Werte analysieren: NA in R verstehen
Fehlende Werte analysieren
Fehlende Werte sind in einem Datensatz nicht einfach unsichtbare Lücken. Für die Arbeit mit R kommt es darauf an, ob eine Zelle bereits als NA vorliegt oder ob ein besonderer Rohdatenwert erst als fehlend behandelt werden soll.
Fehlende Werte im Datenmaterial fachlich einordnen
Fehlende Werte analysieren bedeutet hier, Einträge eines data.frame in R daraufhin zu betrachten, ob sie als NA gekennzeichnet sind oder als fehlende Information behandelt werden sollen. Eine leere Zelle wird in R nicht als bloßes Nichts verwaltet: Sie erhält die Kodierung NA. Damit ist für R erkennbar, dass an dieser Stelle kein regulärer Eintrag wie eine Zahl oder ein Wort steht.
Der Bezug zum wissenschaftlichen Arbeiten liegt in der nachvollziehbaren Arbeit mit Daten, die für eine Analyse organisiert werden. Wer wissenschaftliches Schreiben vorbereitet, kann die Beschreibung der Datenbearbeitung präzise halten, indem zwischen einem regulären Eintrag und einer fehlenden Information unterschieden wird. Für die übrige Textarbeit gehören auch Bestandteile einer wissenschaftlichen Arbeit, Hausarbeit schreiben und Masterarbeit schreiben zu anderen Aufgabenfeldern. Sie ersetzen jedoch nicht die Prüfung, wie Werte im verwendeten Datensatz repräsentiert sind.
Die Quelle benennt zwei Ausgangslagen: Rohdaten können Zellen ohne Eintrag enthalten, und sie können Antworten mit besonderen Codes enthalten. Beide Fälle verlangen eine Prüfung der konkreten Zellen und ihrer Kodierung. Die fachliche Frage lautet deshalb nicht, ob ein Feld optisch leer erscheint, sondern welchen Wert R für dieses Feld verarbeitet und ob eine besondere Antwort in der vorgesehenen Analyse unberücksichtigt bleiben soll.
Für eine sachliche Darstellung sollten Beobachtung und Entscheidung getrennt bleiben. Zuerst wird festgestellt, ob NA vorliegt oder ein besonderer Wert gespeichert ist. Anschließend wird festgehalten, ob dieser besondere Wert für die betreffende Analyse als NA definiert werden soll. Forschungsfrage formulieren und wissenschaftliche Argumentation betreffen die inhaltliche Ausrichtung einer Arbeit; bei fehlenden Werten steht dagegen die Datenrepräsentation im Vordergrund.
Begriff, Merkmale und Bestandteile der Prüfung
Der Begriff fehlender Wert bezeichnet im beschriebenen R-Kontext eine Zelle, die als NA kodiert ist. Das zentrale Merkmal ist die Abgrenzung zu einem regulären Dateneintrag. NA signalisiert, dass kein regulärer Wert vorliegt. Die Quelle beschreibt außerdem, dass Befehle zum Organisieren oder Analysieren von Daten Argumente enthalten können, mit denen vorhandene NA berücksichtigt werden.
Der Aufbau einer Prüfung lässt sich in nachvollziehbarer Reihenfolge gliedern:
- Datensatz und Spalten bestimmen: Prüfe, welche Zellen und welche Spalten für die geplante Bearbeitung relevant sind. Das Ergebnis ist ein abgegrenzter Ausschnitt des
data.frame. - Leere Rohdatenfelder erkennen: Prüfe, ob Zellen in den eingelesenen Rohdaten leer sind. Das Ergebnis ist die Feststellung, dass R solche Zellen als
NAmarkiert. - Besondere Antwortwerte erkennen: Prüfe, ob Rohdaten Werte für Antworten enthalten, die fehlende Information ausdrücken sollen. Das Ergebnis ist eine Liste der betreffenden Ausprägungen und Spalten.
- Behandlung festlegen: Prüfe für die vorgesehene Analyse, ob diese besonderen Ausprägungen als
NAdefiniert werden sollen. Das Ergebnis ist eine begründete Entscheidung zur Verarbeitung. - Veränderung begrenzen: Soll nur ein Teil des Datensatzes angepasst werden, richte die Bearbeitung auf die betreffenden Spalten. Das Ergebnis ist eine gezielte statt pauschale Änderung.
Für die Veränderung bestimmter Spalten nennt die Quelle aus dem Paket dplyr die Funktionen mutate_at() und vars(). Diese Nennung ersetzt keine Prüfung der eigenen Daten. Eine Gliederung einer Hausarbeit ordnet Textteile, während die hier beschriebene Struktur Datenfelder und ihre Kodierungen ordnet. Literaturverzeichnis erstellen, Quellenangaben richtig zitieren und Zitierweisen betreffen die Dokumentation von Literatur, nicht die Kodierung leerer Zellen.
Schrittweise fehlende Werte in R untersuchen
- Rohdaten ansehen: Untersuche die Zellen der relevanten Spalten auf leere Einträge und besondere Antwortcodes. Ergebnis: Du unterscheidest leere Felder von gespeicherten Werten.
- R-Kodierung feststellen: Prüfe im eingelesenen
data.frame, ob leere Rohdatenfelder alsNAvorliegen. Ergebnis: Du weißt, welche Felder R als fehlende Werte repräsentiert. - Bedeutung besonderer Werte klären: Prüfe bei vorhandenen Sondercodes, ob sie eine Antwort darstellen, die als fehlende Information behandelt werden soll. Ergebnis: Du hast die Ausprägungen identifiziert, die für die Analyse gesondert zu behandeln sind.
- Analyseentscheidung treffen: Entscheide nur für die vorgesehene Analyse, ob die identifizierten Ausprägungen zu
NAwerden sollen. Ergebnis: Die Behandlung der Werte ist ausdrücklich festgelegt. - Betroffene Spalten auswählen: Wenn nur bestimmte Spalten verändert werden sollen, grenze diese Spalten ein und nutze dafür die in der Quelle genannten Werkzeuge
mutate_at()undvars(). Ergebnis: Die Bearbeitung bezieht sich auf den ausgewählten Teil desdata.frame. - Ausgabe erneut prüfen: Kontrolliere nach der Bearbeitung, ob die relevanten Zellen als regulärer Eintrag oder als
NAvorliegen. Ergebnis: Der Zustand der Daten ist für die weitere Organisation oder Analyse überprüft.
Methoden wissenschaftlicher Arbeiten und qualitative und quantitative Forschung betreffen die Auswahl und Einordnung von Forschungsansätzen. Die vorliegende Schrittfolge behandelt enger die Repräsentation fehlender Informationen in R. Wer deutsche Zitierweise oder Harvard-Zitierweise verwendet, sollte diese Aufgabe ebenfalls getrennt von der Datenkodierung bearbeiten.
Kurzes Anwendungsbeispiel mit einem Datenfeld
Ein kurzer Durchgang kann so aussehen: In einem data.frame wird eine Spalte geprüft. Eine Zelle wurde in den Rohdaten nicht ausgefüllt; nach dem Einlesen steht dort NA. Eine weitere Zelle enthält einen besonderen Antwortwert, der für eine fehlende Information stehen soll. Zunächst wird festgehalten, dass die erste Zelle bereits als fehlender Wert vorliegt und die zweite Zelle noch einen gespeicherten Wert enthält.
Danach wird für die beabsichtigte Analyse geprüft, ob der besondere Antwortwert als NA definiert werden soll. Wird diese Behandlung gewählt, wird die Veränderung auf die betreffende Spalte begrenzt. Das Ergebnis des Beispiels ist eine überprüfbare Unterscheidung: Die nicht ausgefüllte Zelle ist als NA repräsentiert; der besondere Antwortwert wird nur nach der getroffenen Analyseentscheidung als NA behandelt.
Das Beispiel beschreibt weder ein Fachgebiet noch eine Aussage über Untersuchungsergebnisse. Es zeigt ausschließlich den Weg von Rohdatenfeld, Kodierung und Entscheidung zur erneuten Prüfung. Plagiat vermeiden betrifft die Prüfung von Übernahmen und Belegen in Texten; hier wird dagegen kontrolliert, ob Datenwerte passend als reguläre Einträge oder als NA vorliegen.
Definition, Abgrenzung und formale Kontrolle prüfen
Definition prüfen: Kontrolliere, ob fehlende Werte im Text als NA in einem R-data.frame beschrieben werden. Die Definition darf nicht mit einer bloß optisch leeren Tabellenzelle verwechselt werden.
Zentrale Merkmale prüfen: Kontrolliere, ob zwischen zwei Fällen unterschieden wird: leere Zellen der Rohdaten, die beim Einlesen als NA erscheinen, und gespeicherte besondere Werte, die als fehlende Information definiert werden sollen. Prüfe außerdem, ob reguläre Einträge wie Zahlen oder Wörter von NA getrennt dargestellt sind.
Anwendung prüfen: Kontrolliere, ob zuerst die relevanten Spalten und Werte ermittelt wurden. Prüfe anschließend, ob eine Entscheidung zur Behandlung besonderer Werte ausdrücklich auf die vorgesehene Analyse bezogen ist. Wenn eine Bearbeitung nur ausgewählte Spalten betrifft, prüfe die Auswahl und kontrolliere die Zellen danach erneut.
Abgrenzung prüfen: Trenne die Datenkodierung von Aufgaben der Textstruktur, der Forschungsfrage und dem Zitieren. Fehlende Werte analysieren beantwortet die Frage, wie R fehlende Information im data.frame repräsentiert und wie besondere Werte für eine Analyse behandelt werden können. Es beantwortet nicht die Frage, wie eine wissenschaftliche Arbeit gegliedert oder welche Zitierform gewählt wird.
Formale Prüfung: Prüfe, ob die Bezeichnungen NA, data.frame, mutate_at() und vars() eindeutig geschrieben sind, sofern sie verwendet werden. Prüfe außerdem, ob jeder beschriebene Sonderwert einer konkreten Spalte zugeordnet und die Entscheidung zur Behandlung nachvollziehbar dokumentiert ist.