Transparenz und Reproduzierbarkeit der Analysen (Open Science mit R)
Transparenz und Reproduzierbarkeit sind zwei zentrale Aspekte der offenen Wissenschaftspraxis (Open Science). In diesem Sinne soll der gesamte Forschungsprozess (Planung, Durchführung, Analyse, usw.) transparent dokumentiert und diese Dokumentation öffentlich zugänglich gemacht werden. Dadurch werden alle Forschungsprozesse nachvollziehbar sowie reproduzierbar. Dies wird z.B. von der UNESCO empfohlen: UNESCO Recommendation on Open Science.
Der analytische Teil des Forschungsprozesses (z.B. Datenaufbereitung und statistische Datenanalyse) soll ebenfalls transparent dokumentiert und zugänglich gemacht werden. UNESCO Recommendation on Open Science:
“Open research data that include, among others, digital and analogue data, both raw and processed, and the accompanying metadata, as well as numerical scores, textual records, images and sounds, protocols, analysis code and workflows that can be openly used, reused, retained and redistributed by anyone, subject to acknowledgement. Open research data are available in a timely and user-friendly, human- and machine-readable and actionable format, in accordance with principles of good data governance and stewardship, notably the FAIR (Findable, Accessible, Interoperable, and Reusable) principles, supported by regular curation and maintenance.”
Die Programmiersprache R eignet sich hervorragend für eine transparente und reproduzierbare Datenanalyse im Sinne der offenen Wissenschaftspraxis. Der R-Code dokumentiert alle Analyseschritte – von der Datenaufbereitung bis zur statistischen Auswertung. Hier ein Beispiel zur Berechnung des Mittelwerts (inkl. Boxplot-Visualisierung):
library(tidyverse)# Umfassende Paketsammlung laden### Daten filtern### Ausreißer ausschließen (Reaktionszeit ≥ 5000)DATA_OHNE_AUSREISSER<-DATA%>%filter(REAKTIONSZEIT<5000)# Kinder mit Reaktionszeit < 5000 beibehalten### Boxplot mit MittelwertDATA_OHNE_AUSREISSER%>%ggplot(aes(x =REAKTIONSZEIT))+geom_boxplot(fill ="#78C2AD")+geom_point(aes(x =mean(REAKTIONSZEIT), y =0), color ="red")+annotate("text", x =2000, y =1, label =paste0("M = ", mean(DATA_OHNE_AUSREISSER$REAKTIONSZEIT)%>%round()), color ="red")+xlim(c(0, 6000))+ylab(NULL)+labs(caption ="in Millisekunden")+scale_y_discrete()+theme_minimal(base_size =12)
In diesem Beispiel ist dokumentiert, dass die Berechnung des Mittelwertes ohne spezifische Ausreißer erfolgte. Anhand des offen zugänglichen R-Codes ist der Analyseprozess nachvollziehbar und kann somit kritisch überprüft und sogar wiederholt (also reproduziert) werden, sofern auch der dazugehörige Datensatz offen zugänglich ist. Die Analysen können dann sogar abgewandelt und erweitert werden, sofern kritische Wissenschaftler:innen z.B. den Ausschluss von Ausreißern hinterfragen und folglich die Ergebnisse mit und ohne Berücksichtigung der Ausreißer abgleichen möchten:
### Daten filtern### Ausreißer ausschließen (Reaktionszeit ≥ 5000)DATA_OHNE_AUSREISSER<-DATA%>%filter(REAKTIONSZEIT<5000)# Kinder mit Reaktionszeit < 5000 beibehalten### Analyse ohne Ausreißer (Reaktionszeit < 5000)DATA_OHNE_AUSREISSER%>%ggplot(aes(x =REAKTIONSZEIT))+geom_boxplot(fill ="#78C2AD")+geom_point(aes(x =mean(REAKTIONSZEIT), y =0), color ="red")+annotate("text", x =2000, y =1, label =paste0("M = ", mean(DATA_OHNE_AUSREISSER$REAKTIONSZEIT)%>%round()), color ="red")+xlim(c(0, 6000))+ylab(NULL)+ggtitle("Analyse ohne Ausreißer (Reaktionszeit < 5000)")+labs(caption ="in Millisekunden")+scale_y_discrete()+theme_minimal(base_size =12)### Analyse mit Ausreißern (Reaktionszeit ≥ 5000)DATA%>%ggplot(aes(x =REAKTIONSZEIT))+geom_boxplot(fill ="#78C2AD")+geom_point(aes(x =mean(REAKTIONSZEIT), y =0), color ="red")+annotate("text", x =2000, y =1, label =paste0("M = ", mean(DATA$REAKTIONSZEIT)%>%round()), color ="red")+xlim(c(0, 6000))+ylab(NULL)+ggtitle("Analyse mit Ausreißern (Reaktionszeit ≥ 5000)")+labs(caption ="in Millisekunden")+scale_y_discrete()+theme_minimal(base_size =12)
Gelebte offenen Wissenschaftspraxis (Open Science) bedeutet nun, dass der R-Code und die dazugehörigen Daten frei zugänglich gemacht werden. Hierfür können entsprechende Open-Science-Portale genutzt werden, wie z.B. OSF, Figshare, Zenodo oder GitHub. Selbstverständlich ist hierbei darauf zu achten, dass die veröffentlichten Daten keine personenbezogene Daten im Sinne der DSGVO beinhalten. Nachfolgend sehen wir einige Beispiele aus der Forschungspraxis mit Veröffentlichung der Daten und des R-Codes. In den entsprechenden Papern erfolgt stets ein Verweis auf die Hinterlegung der Daten und des R-Codes innerhalb eines Open-Science-Portals.
Beispiel 1
Kashikar, L., Soemers, L., Lüke, T., & Grosche, M. (2024). Influence of the ‘Learning Disability’ label on teachers’ performance expectations—a matter of attitudes towards inclusion? In Journal of Research in Special Educational Needs (Vol. 24, Issue 3, pp. 696–712).
Young, E. S., Frankenhuis, W. E., DelPriore, D. J., & Ellis, B. J. (2022). Hidden talents in context: Cognitive performance with abstract versus ecological stimuli among adversity‐exposed youth. In Child Development (Vol. 93, Issue 5, pp. 1493–1510).
Heyard, R., Ott, M., Salanti, G., & Egger, M. (2022). Rethinking the Funding Line at the Swiss National Science Foundation: Bayesian Ranking and Lottery. In Statistics and Public Policy (Vol. 9, Issue 1, pp. 110–121).
Kulawiak, P. R., Poltz, N., Bosch, J., & Dreesmann, M. (2025). Understanding teachers’ perspectives on students with epilepsy in Germany: A survey examining knowledge, experience, and affective, cognitive, and behavioral attitudes to inform teacher training. In Epilepsy & Behavior (Vol. 163, p. 110157).
Ästhetische, adaptive und flexible Output-Formate (SPSS vs. R)
Mit R können die Ergebnisse (Output der Analysen), seien es Tabellen oder Grafiken, sehr effektiv angepasst und gestaltet werden, wodurch eine sehr ästhetische Berichterstattung in unterschiedlichen Formaten möglich ist (Word, PDF, PowerPoint, HTML, uvm.). Unterschiedliche Output-Formate lassen sich mit dem Quarto-Modul erzeugen, welches in RStudio integriert ist.
SPSS-Output-Formate sind hingegen oft unübersichtlich und umständlich anzupassen. Hier erfolgt beispielhaft die Darstellung einer SPSS-Korrelationstabelle:
Datenquelle für Korrelationstabelle
Díez-Palomar J, García-Carrión R, Hargreaves L, Vieites M (2020) Transforming students’ attitudes towards learning through the use of successful educational actions. PLoS ONE 15(10): e0240292.
Der SPSS-Output muss nach Word oder Excel kopiert und dort anschließend weiterverarbeitet werden, sofern z.B. die Darstellung der Korrelationstabelle im APA-Format erwünscht ist. Dieses (umständliche) Vorgehen sehen wir im nachfolgendem Video.
In R können wir hingegen sehr effizient eine adäquate Korrelationstabelle (in Anlehnung an das APA-Format) sowie eine Visualisierung der Korrelationstabelle erzeugen:
library(haven)# Paket für SPSS-Datenimport (SAV)library(sjPlot)# Paket für KorrelationstabelleDATA<-read_sav("pone.0240292.s002.sav")# SPSS-Datenimport DATA%>%select(Q1, Q2, Q3, Q4, Q5)%>%# Variablen auswählentab_corr(na.deletion ="pairwise", triangle ="lower")# Korrelationstabelle (in Anlehnung an das APA-Format)
1) We learn best when the teacher tells us what to do
2) We can learn more when we can express our own ideas
3) Learning through discussion in class is confusing
4) Sometimes, learning in school is boring
5) Learning in school is better when we have other adults to work with us
1) We learn best when the teacher tells us what to do
2) We can learn more when we can express our own ideas
-0.032
3) Learning through discussion in class is confusing
0.082
0.022
4) Sometimes, learning in school is boring
-0.140**
-0.065
0.090
5) Learning in school is better when we have other adults to work with us
0.126*
0.140**
0.122*
0.016
Computed correlation used pearson-method with pairwise-deletion.
Q1) We learn best when the teacher tells us what to do
Q2) We can learn more when we can express our own ideas
Q3) Learning through discussion in class is confusing
Q4) Sometimes, learning in school is boring
Q5) Learning in school is better when we have other adults to work with us
SPSS-Syntax vs. R-Code
Zu guter Letzt möchte ich SPSS-Syntax und R-Code beispielhaft gegenüberstellen, um zu demonstrieren, dass R-Code relativ elegant, prägnant und gut leserbar ist.
library(ggExtra)# Paket für marginal boxplotsPLOT<-# scatter plot (ohne marginal boxplots)DATA%>%ggplot(aes(x =Beginning_Salary, y =Current_Salary))+geom_point()+labs(x ="Beginning Salary", y ="Current Salary")+theme_minimal()PLOT%>%ggMarginal(type ="boxplot", margins ="both", size =5, fill ="skyblue")# add marginal boxplots
Interaktive Output-Formate (R-Shiny-Apps)
Mit R können die Ergebnisse sehr effektiv angepasst und gestaltet werden. Mit dem Quarto-Modul, welches in RStudio integriert ist, können wir zudem unterschiedliche Formate erzeugen (Word, PDF, PowerPoint, HTML, uvm.). Außerdem können sogar interaktive Output-Formate erstellt werden, also interaktive Ergebnisdarstellungen mit interaktiver Benutzeroberfläche (sogenannte R-Shiny-Apps). Eine R-Shiny-App kann lokal auf dem Rechner gestartet oder als Online-Anwendung genutzt werden. Mit der nachfolgenden R-Shiny-App kann man z.B. die Wortschatz-Entwicklung für spezifische Kinder anzeigen lassen.
R-Shiny-App mit fiktiven Daten (Wortschatz-Entwicklung)
Mit R kann man (fast) alles machen und innovative/neuartige Analyseansätze sind in der Regel zeitnah in R verfügbar. Somit ist R eine Art Schweizer Taschenmesser. Die Vielfalt der Möglichkeiten ist über sogenannte Pakete möglich. Spezifische Verfahren und Analyseansätze werden in solchen Paketen zur Verfügung gestellt, wobei jede Person Pakete entwickeln und veröffentlichen kann. R ist daher ein „Community Project“ und jede Person kann dazu beitragen.
Nachfolgend wird die Funktionalität von einigen Paketen exemplarisch aufgezeigt.
Schweizer Taschenmesser: SPSS (links) und R (rechts)
Open Source, Community & Support
„R is free software and comes with ABSOLUTELY NO WARRANTY. You are welcome to redistribute it under certain conditions. R is a collaborative project with many contributors.“
R ist nicht nur kostenlos und frei verfügbar, sondern verfügt auch über eine große, aktive und hilfsbereite Community sowie umfangreiche Dokumentation, Tutorials und kostenlose Lernressourcen.
Zudem gehört R zu den beliebtesten Programmiersprachen weltweit und belegt zurzeit (April 2025) Platz 6 gemäß PYPL-Index (PopularitY of Programming Language). Es gibt aber auch weitere frei verfügbare Programmiersprachen für den vielfältigen Einsatz im Bereich der statistischen Datenanalyse, z.B. Python und Julia.
Body mass index (BMI) is a value derived from the mass (weight) and height of a person. The BMI is defined as the body mass divided by the square of the body height, and is expressed in units of kg/m2, resulting from mass in kilograms (kg) and height in metres (m). https://en.wikipedia.org/wiki/Body_mass_index
NAME AUGENFARBE GEWICHT_IN_KG GROESSE_IN_M
1 Susi Blaugrau 84 1.80
2 Ali Braun 65 1.65
3 Klaus Grün 72 1.75
Übung
Ergänzen Sie den Datensatz um 2 Personen und erstellen Sie eine zusätzliche Variable (z.B. Anzahl der Haustiere). Speichern Sie den Datensatz als Objekt DATA.
Pakete installieren und laden (Beispiel tidyverse & writexl)
Das Tidyverse ist eine Sammlung von R-Paketen für das Datenmanagement und die Analyse von Daten. Das Tidyverse ist heutzutage zunehmend der Standard in der R-Welt: https://www.tidyverse.org/
Mit der Installation sind u.a. folgende Pakete verfügbar:
ggplot2: Erstellt schöne Grafiken und Diagramme
dplyr: Vereinfacht die Datenmanipulation (filtern, sortieren, zusammenfassen)
tidyr: Hilft beim Aufräumen und Umstrukturieren von Daten
readr: Importiert Textdateien (wie CSV)
tibble: Eine moderne Version des Dataframes
stringr: Vereinfacht die Arbeit mit Texten
forcats: Hilft bei der Arbeit mit kategorialen Variablen
lubridate: Vereinfacht die Arbeit mit Datums- und Zeitwerten
readxl: Ermöglicht den Import von Excel-Dateien
haven: Importiert Daten aus SPSS, Stata und SAS
Das tidyverse enthält aber leider kein Paket für den Datenexport im Excel-Format. Daher installieren wir auch das Paket writexl: https://docs.ropensci.org/writexl/
# Ein Paket muss nach der Installation mit dem library Befehl aktiviert werden (einmalig bei jeder R-Sitzung):library(writexl)# Nach der Installation des tidyverse:# Immer wenn wir mit R arbeiten, müssen die Pakete des tidyverse aktiviert werden (einmalig bei jeder R-Sitzung).# Die allermeisten Pakete des tidyverse werden somit verfügbar gemacht.# Einzelne Pakete des tidyverse müssen aber separat aktiviert werden (z.B. haven & readxl).library(tidyverse)library(haven)library(readxl)
Daten-Export und Daten-Import
Export (Excel)
Wichtig
Skript in einem Arbeitsordner (Projektordner) speichern
Díez-Palomar J, García-Carrión R, Hargreaves L, Vieites M (2020) Transforming students’ attitudes towards learning through the use of successful educational actions. PLoS ONE 15(10): e0240292.
Imuta K, Scarf D, Pharo H, Hayne H (2013) Drawing a Close to the Use of Human Figure Drawings as a Projective Measure of Intelligence. PLoS ONE 8(3): e58991.
# A tibble: 1 × 3
M SD n
<dbl> <dbl> <int>
1 107. 14.6 100
library(gt)# Eine ästhetische Darstellung der Tabelle erfolgt mit gt() aus dem gt Paket (Bitte installieren und laden)DATA%>%summarise( M =mean(DAP_IQ), SD =sd(DAP_IQ), n =n())%>%gt()%>%# Eine ästhetische Darstellung der Tabelle erfolgt mit gt() aus dem gt Paket (Bitte installieren und laden)tab_options(table.align ="left")
Erstellen Sie mit summarise() jeweils eine Tabelle für DAP_IQ und WPPSI, mit den folgenden Parametern:
Mittelwert
Median
Minimum
Maximum
Standardabweichung
Runden Sie die Ergebnisse auf 2 Nachkommastellen. Nutzen Sie für die Darstellung der Tabellen den Befehl gt() und wählen Sie sinnvolle Überschriften für die Tabellen (“header”). Nutzen Sie die Pipe %>%.
Erstellen Sie einen Boxplot für WPPSI. Wählen Sie sinnvolle Beschriftungen/Überschriften. Ändern Sie die Farbe der Box und des Mittelwertes. Wählen Sie eine andere Darstellungsform für den Mittelwert (shape)
Lösung
DATA%>%ggplot(aes(x =WPPSI, y =0))+geom_boxplot(fill ="lightblue")+geom_jitter(color ="gray25", width =0, height =0.075)+geom_point(aes(x =mean(WPPSI), y =0), color ="purple", shape =18, size =3)+scale_y_discrete()+ylab(NULL)+theme_minimal(base_size =15)+ggtitle("Wechsler Preschool and Primary Scale of Intelligence")+xlab("Score")+labs(caption ="Data from https://doi.org/10.1371/journal.pone.0058991")
DATA%>%ggplot(aes(x =WPPSI, y =0))+geom_violin(fill ="lightblue")+geom_boxplot(fill ="lightgreen", width =0.2)+geom_jitter(color ="gray25", width =0, height =0.075)+geom_point(aes(x =mean(WPPSI), y =0), color ="purple", shape =18, size =3)+scale_y_discrete()+ylab(NULL)+theme_minimal(base_size =15)+ggtitle("Wechsler Preschool and Primary Scale of Intelligence")+xlab("Score")+labs(caption ="Data from https://doi.org/10.1371/journal.pone.0058991")
DATA%>%ggplot(aes(x =WPPSI))+geom_histogram(fill ="lightblue", binwidth =5)+geom_point(aes(x =mean(WPPSI), y =0), color ="purple", shape =18, size =3)+geom_vline(xintercept =mean(DATA$WPPSI), color ="purple", linetype =2)+theme_minimal(base_size =15)+ggtitle("Wechsler Preschool and Primary Scale of Intelligence")+xlab("Score")+ylab("n")+labs(caption ="Data from https://doi.org/10.1371/journal.pone.0058991")
DATA%>%ggplot(aes(x =WPPSI))+geom_histogram(fill ="lightblue", binwidth =1)+geom_point(aes(x =mean(WPPSI), y =0), color ="purple", shape =18, size =3)+geom_vline(xintercept =mean(DATA$WPPSI), color ="purple", linetype =2)+theme_minimal(base_size =15)+ggtitle("Wechsler Preschool and Primary Scale of Intelligence")+xlab("Score")+ylab("n")+labs(caption ="Data from https://doi.org/10.1371/journal.pone.0058991")
DATA%>%ggplot(aes(x =WPPSI))+geom_histogram(fill ="lightblue")+geom_point(aes(x =mean(WPPSI), y =0), color ="purple", shape =18, size =3)+geom_vline(xintercept =mean(DATA$WPPSI), color ="purple", linetype =2)+theme_minimal(base_size =15)+ggtitle("Wechsler Preschool and Primary Scale of Intelligence")+xlab("Score")+ylab("n")+labs(caption ="Data from https://doi.org/10.1371/journal.pone.0058991")
Weiterführende Links zum Thema Visualisierung (mit ggplot2)
DATA<-DATA%>%mutate(DAP_IQ_CATEGORY =case_when(DAP_IQ>115~"High",DAP_IQ>=85&DAP_IQ<=115~"Average",DAP_IQ<85~"Low",TRUE~NA_character_# Handles any NA values or other unexpected cases))DATA%>%count(DAP_IQ_CATEGORY)%>%gt()%>%tab_options(table.align ="left")
DAP_IQ_CATEGORY
n
Average
61
High
31
Low
8
Übung
Lassen Sie sich folgende Datensätze anzeigen (filter()):
