R für Einsteiger - Beratung, Coaching und Schulung

Was ist R?

• Die Rolle von R in Data Science, Statistik, Forschung und Controlling
• Herkunft aus S, CRAN als Paketarchiv und die Community um rOpenSci
• Methodische Einordnung: R neben Python, SPSS und Tabellenkalkulation
• R und KI: Modelle mit tidymodels, Sprachmodelle aus R heraus mit dem Paket ellmer

R und RStudio einrichten

• Installation von R und RStudio Desktop unter Windows und macOS
• Alternative Positron von Posit: auf VS Code-Basis, für R und Python, mit Posit Assistant
• Arbeitsumgebung: Skript, Konsole, Environment, Plots und Hilfe
• RStudio-Projekte und relative Pfade statt setwd()
• Datentypen: numeric, character, logical, factor und NA
• Datenstrukturen: Vektor, Liste, Data Frame und Tibble
• Kommentare und Abschnittsüberschriften im Skript für die Gliederung
• Pakete mit install.packages() installieren und mit library() laden
• Das tidyverse im Überblick: dplyr, tidyr, readr, ggplot2, forcats
• Pipe-Operatoren: nativer |> und %>% aus magrittr in bestehendem Code
• Beispieldatensätze laden und Daten importieren mit readr und readxl

Daten visualisieren mit ggplot2

• Aufbau einer Grafik: Daten, Ästhetiken mit aes(), Geome und Ebenen
• Farbkonzepte: Paletten aus ColorBrewer und viridis, auch bei Farbsehschwäche lesbar
• Balkendiagramme, Histogramme und Boxplots für Verteilungen und Gruppen
• Punkt- und Liniendiagramme für Zusammenhänge und Zeitverläufe
• Cluster mit kmeans() bilden und im Streudiagramm farbig markieren
• Facetten, Achsenbeschriftung, Themes und Export mit ggsave()

Daten aufbereiten mit dplyr und tidyr

• Teilmengen bilden mit filter() und select()
• Untergruppen auswerten mit group_by() und summarise()
• Variablen umkodieren mit case_when(), if_else() und forcats
• Neue Variablen berechnen mit mutate(), Datumswerte mit lubridate
• Tabellen umformen mit pivot_longer() und pivot_wider()
• Tabellen verknüpfen mit left_join() und fehlende Werte gezielt behandeln

Daten analysieren

• Häufigkeiten mit count() und Kennzahlen: Mittelwert, Median, Streuung
• Korrelationen nach Pearson und Spearman mit cor() und cor.test()
• Lineare Regression mit lm(), Ausgabe von summary() lesen
• Regressionsergebnisse als Tabelle mit broom und Residuen prüfen
• Kreuztabellen mit table() und xtabs(), Anteile und Chi-Quadrat-Test

Ergebnisse weitergeben

• Berichte mit Quarto: Text, Code, Tabellen und Grafiken in HTML, Word oder PDF
• Ergebnistabellen als Excel-Datei exportieren mit writexl
• Paketstände mit renv festhalten, damit die Auswertung später noch läuft

R-Auswertungen mit KI-Assistenz

• Dialekt festlegen: Assistent schreibt tidyverse-Code, kein Mix mit Base R und data.table
• Vorgeschlagene Funktionen und Argumente in der R-Hilfe gegenprüfen, Paket mit :: nennen
• Jede erzeugte ggplot2-Grafik gegen eine Häufigkeitstabelle der Rohdaten abgleichen
• Statistische Aussagen aus summary(lm()) selbst formulieren, nicht vom Assistenten übernehmen
• Personenbezogene Spalten vor dem Teilen mit dem Assistenten entfernen oder pseudonymisieren

Praxisprojekt: Auswertung einer Mitarbeitendenbefragung

• Befragungsdaten aus Excel einlesen, Likert-Antworten als geordnete Faktoren kodieren
• Zufriedenheit nach Abteilung und Betriebszugehörigkeit als Grafiken und Kreuztabellen
• Einflussfaktoren per Regression prüfen und als Quarto-Bericht ausgeben

Lernziele

• Sie richten R und RStudio ein, arbeiten in Projekten und laden Pakete aus dem tidyverse
• Sie importieren CSV- und Excel-Daten und bereiten sie mit dplyr und tidyr für die Auswertung auf
• Sie erstellen mit ggplot2 Balken-, Verteilungs-, Streu- und Liniendiagramme mit lesbaren Farbskalen
• Sie berechnen Häufigkeiten, Kennzahlen, Korrelationen und Kreuztabellen und interpretieren eine lineare Regression
• Sie fassen eine Auswertung als reproduzierbaren Quarto-Bericht zusammen

Zielgruppe

• Fach- und Führungskräfte sowie Projektmitarbeitende, die beruflich mit Daten arbeiten
• Studierende und Wissenschaftler:innen, die Auswertungen nachvollziehbar dokumentieren müssen
• Einsteiger:innen ohne Programmier- oder Statistikvorkenntnisse