R für Einsteiger: Musterlösungen

Diese Musterlösung wurde erstellt von Peter Hähner (Ruhr-Universität Bochum).

(c) Luhmann: R für Einsteiger, 5. Aufl., Beltz, 2020

Vorbereitungen

Setzen Sie ein Arbeitsverzeichnis oder legen Sie ein entsprechendes R-Projekt an (Kap. 23).

Laden Sie dann die Datei erstis.RData.

load("erstis.RData")

Laden Sie die benötigten Pakete (ggf. müssen Sie diese vorab noch installieren).

library(psych)
library(dplyr)

Aufgabe 1

Berechnen Sie den Zusammenhang zwischen Gewissenhaftigkeit (gewiss) und Prokrastination und interpretieren Sie Ihr Ergebnis inhaltlich.

cor.test(erstis$gewiss, erstis$prok)

## 
##  Pearson's product-moment correlation
## 
## data:  erstis$gewiss and erstis$prok
## t = -7.876, df = 171, p-value = 3.74e-13
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  -0.6175967 -0.3973228
## sample estimates:
##        cor 
## -0.5159379

Es gibt einen signifikanten negativen Zusammenhang zwischen Gewissenhaftigkeit und Prokrastination, d. h. über alle Personen hinweg gilt: je höher die Gewissenhaftigkeit, desto geringer die Prokrastination (r = -.52, t(171) = -7.88, p < .001).

Aufgabe 2

Erstellen Sie eine Kontingenztabelle für die Teilnahme an der Orientierungswoche (uni3) und der Teilnahme an Unipartys (uni8). Die Tabelle sollte neben den absoluten Häufigkeiten für jede einzelne Zelle auch die Zeilen- und Spaltensummen enthalten.

addmargins(table(erstis$uni3, erstis$uni8))

##       
##        nein  ja Sum
##   nein   39  10  49
##   ja     81  35 116
##   Sum   120  45 165

Aufgabe 3

Laut Theorie sollen die Big Five (extra, vertraeg, gewiss, neuro, intell) voneinander unabhängig sein. Statistisch ausgedrückt heißt das, dass die Korrelation zwischen den Variablen gleich Null sein sollten. Überprüfen Sie diese Hypothese.

# Auswahl der Variablen mit der select-Funktion aus dem dplyr-Paket
bigfive <- select(erstis, extra, vertraeg, gewiss, neuro, intell)

# Berechnung der Korrelationen
corr.test(bigfive)

## Call:corr.test(x = bigfive)
## Correlation matrix 
##          extra vertraeg gewiss neuro intell
## extra     1.00     0.32   0.11  0.03   0.23
## vertraeg  0.32     1.00   0.26 -0.09   0.28
## gewiss    0.11     0.26   1.00  0.13   0.27
## neuro     0.03    -0.09   0.13  1.00  -0.05
## intell    0.23     0.28   0.27 -0.05   1.00
## Sample Size 
##          extra vertraeg gewiss neuro intell
## extra      188      185    187   187    188
## vertraeg   185      185    184   184    185
## gewiss     187      184    188   187    188
## neuro      187      184    187   188    188
## intell     188      185    188   188    189
## Probability values (Entries above the diagonal are adjusted for multiple tests.) 
##          extra vertraeg gewiss neuro intell
## extra     0.00     0.00   0.56  0.96   0.01
## vertraeg  0.00     0.00   0.00  0.69   0.00
## gewiss    0.14     0.00   0.00  0.37   0.00
## neuro     0.70     0.23   0.07  0.00   0.96
## intell    0.00     0.00   0.00  0.48   0.00
## 
##  To see confidence intervals of the correlations, print with the short=FALSE option

Diese Hypothese kann nicht bestätigt werden. Es gibt statistisch bedeutsame Zusammenhänge zwischen den Variablen.

Aufgabe 4

Befunde aus der psychologischen Glücksforschung deuten darauf hin, dass Menschen glücklicher sind, wenn sie extravertierter und emotional stabiler (also weniger neurotisch) sind. Trifft dies auch in unseren Daten zu? Berechnen Sie die bivariaten Zusammenhänge zwischen Lebenszufriedenheit (lz.1), Extraversion (extra) und Neurotizismus (neuro) und interpretieren Sie Ihre Ergebnisse inhaltlich.

# Auswahl der Variablen mit der select-Funktion aus dem dplyr-Paket
glueck <- select(erstis, lz.1, extra, neuro)

# Berechnung der Korrelationen
corr.test(glueck)

## Call:corr.test(x = glueck)
## Correlation matrix 
##        lz.1 extra neuro
## lz.1   1.00  0.20 -0.25
## extra  0.20  1.00  0.03
## neuro -0.25  0.03  1.00
## Sample Size 
##       lz.1 extra neuro
## lz.1   189   188   188
## extra  188   188   187
## neuro  188   187   188
## Probability values (Entries above the diagonal are adjusted for multiple tests.) 
##       lz.1 extra neuro
## lz.1  0.00  0.01   0.0
## extra 0.01  0.00   0.7
## neuro 0.00  0.70   0.0
## 
##  To see confidence intervals of the correlations, print with the short=FALSE option