R und RStudio – Grundlagen
R und RStudio für die Bachelorarbeit
In der Forschung gilt R als die leistungsstärkste Programmiersprache für Statistik: kostenlos, auf jedem Betriebssystem lauffähig und um tausende Zusatzpakete erweiterbar. Die dazu passende Bedienoberfläche heißt RStudio. Anders als bei SPSS tippst du in R deine Befehle, statt dich durch Menüs zu klicken. Das wirkt zu Beginn ungewohnt, verschafft dir dafür volle Kontrolle und saubere Reproduzierbarkeit. Auf dieser Seite bekommst du die Grundlagen: von der Installation über die ersten Schritte bis zu ersten Auswertungen.
Installation
- Zuerst R selbst von cran.r-project.org laden (kostenlos).
- Danach RStudio Desktop von posit.co/download/rstudio-desktop laden (ebenfalls kostenlos).
- Beides installieren: RStudio erkennt die R-Installation von allein.
Die RStudio-Oberfläche
RStudio gliedert sich in vier Arbeitsbereiche:
- Source (oben links): Hier tippst du deinen Code als R-Skript.
- Console (unten links): Hier arbeitet R die Befehle sofort ab.
- Environment (oben rechts): zeigt alle gerade geladenen Variablen an.
- Files / Plots / Help (unten rechts): Dateibrowser, Diagramme und Hilfeseiten.
Erstes R-Skript
# Daten einlesen
daten <- read.csv("meine_daten.csv")
# Erste Übersicht
str(daten)
summary(daten)
# Mittelwert einer Variable
mean(daten$Lernerfolg, na.rm = TRUE)
Pakete installieren
Über die Plattform CRAN stehen mehr als 19.000 Zusatzpakete für R bereit. Für die Statistik sind diese besonders nützlich:
install.packages("tidyverse") # Datenanalyse
install.packages("psych") # psychologische Tests
install.packages("car") # erweiterte Tests
install.packages("ggplot2") # Diagramme
install.packages("haven") # SPSS/SAS-Daten lesen
Daten einlesen
- CSV-Datei: read.csv("meine_daten.csv")
- Excel-Tabelle: library(readxl); read_excel("meine_daten.xlsx")
- SPSS-Datei: library(haven); read_sav("meine_daten.sav")
Deskriptive Statistik in R
library(psych)
describe(daten)
# Output: für jede Variable Mittelwert, SD, Median, Min, Max, Schiefe, Kurtosis
Beispiel: t-Test in R
t.test(Lernerfolg ~ Geschlecht, data = daten)
# Output mit t-Wert, Freiheitsgraden, p-Wert, Konfidenzintervall, Mittelwerten beider Gruppen.
Beispiel: Korrelation in R
cor.test(daten$PlattformNutzung, daten$Lernerfolg, method = "pearson")
Diagramme mit ggplot2
library(ggplot2)
ggplot(daten, aes(x = PlattformNutzung, y = Lernerfolg)) +
geom_point() +
geom_smooth(method = "lm") +
labs(title = "Plattform-Nutzung und Lernerfolg")
Häufige Fehler
- Eine Variable mit „$" angesprochen, obwohl eine Tibble-Struktur (Tidyverse) vorliegt: das erzeugt Warnungen.
- Vergessen, ein Paket zu laden. „library(paket)" gehört einmal pro Session ausgeführt.
- Fehlende Werte (NA) übersehen, obwohl manche Funktionen na.rm = TRUE benötigen.
- Das Skript nicht gespeichert, sodass es nach dem Schließen von RStudio verloren ist.
Weitere verbreitete Stolperfallen sammeln wir im Beitrag zu häufigen Fehlern in Bachelorarbeit und Masterarbeit. Beim Lektorat prüfen wir außerdem, ob der R-Output formal korrekt berichtet wird.