Ohne Gruppenvariable sowie für ein- bis dreifaktorielle Designs

Erforderliche Pakete laden

library(ggplot2)  # Grafik
library(car)      # Ausreisser
## Loading required package: carData

Ohne Gruppenvariable

Datensatz einlesen und Variable spezifizieren

# Datensatz einlesen
Alter <- c(18,20,27,20,23,29,19,23,21,21,23,20,20,19,20,20,19,21,20,19,21,23,32,28,
20,21,45,19,25,27,21,47,20,19,20,19,18,40,21,20,19,22,22,21,22,26,19,22,19,20,21,19,
20,20,20,21,20,20,20,20,21,19,20,18,52,21,21,NA,24,23,21,21,26,21,21,20,22,21,19,20,
20,30,19,21,20,21,23,29,22,27,28,47,27,20,19,20,20,19,26,20,22,20,33,23,21,21,27,49,
30,21,20,50,24,19,36,25,21,19,26,49,20,21,24,46,31,32,19,47,20,20,21,21,21,47,20,20,
20,21,23,16,28,21,19,20,24,25,27,23,20,21,40,25,34,19,22,21,26,20,20,43,30,21,19,18,
18,29,20,20,20,30,20,22,26,21,21,32,19,19,23,21,21,23,26,26,21,20,21,18,20,41)
data <- data.frame(Alter)

# Variable spezifizieren
AV <- "Alter"

Boxplot

# Listwise Deletion
data2 <- na.omit(data[, c(AV), drop=FALSE])

# Schwarzweissversion
library(ggplot2)
ggplot(data2, aes_string(x="factor(1)", y=AV)) + theme_bw() + geom_boxplot(coef=1.5) + theme(axis.text.x=element_blank(), axis.title.x=element_blank()) # coef=3 für starke Ausreisser

# Farbige Version
library(ggplot2)
ggplot(data2, aes_string(x="factor(1)", y=AV)) + theme_grey() + geom_boxplot(coef=1.5, fill="cyan", outlier.colour="red") + theme(axis.text.x=element_blank(), axis.title.x=element_blank())

# Zeilennamen (row names) der Ausreisser des Datensartzes data
library(car)
out.na <- Boxplot(as.formula(paste("~",AV)), data=data2, range=1.5, labels=rownames(data2), id.n=Inf); out.na

##  [1] "65"  "112" "108" "120" "32"  "92"  "128" "134" "124" "27"
# Datensatz ohne obige Ausreisser
data3 <- data[(row.names(data2) %in% out.na)==FALSE,]

Einfaktoriell

Datensatz einlesen und Variablen spezifizieren

# Datensatz einlesen
Methode <- c(rep(c("Methode A", "Methode B"), c(10,10))) 
Lernerfolg <- c(15,45,16,41,7,48,46,37,40,35,5,36,18,25,10,40,43,30,35,29)
data <- data.frame(Methode, Lernerfolg)

# Faktoren spezifizieren
Faktor <- "Methode"   # Name des Faktors eingeben
AV <- "Lernerfolg"    # Name abhängigen Variable eingeben

Boxplot

# Listwise Deletion
data2 <- na.omit(data[, c(AV, Faktor), drop=FALSE])

# Schwarzweissversion
library(ggplot2)
ggplot(data2, aes_string(x=Faktor, y=AV)) + geom_boxplot(coef=1.5) + theme_bw()

# Farbige Version
library(ggplot2)
ggplot(data2, aes_string(x=Faktor, y=AV)) + geom_boxplot(coef=1.5, fill="cyan", outlier.colour="red") + theme_gray()

# Zeilennamen (row names) der Ausreisser des Datensartzes data
library(car)
out.na <- Boxplot(as.formula(paste(AV, "~", Faktor)), data=data2, range=1.5, labels=rownames(data2), id.n=Inf); out.na
## Warning in Boxplot.default(mf[[response]], x, id = list(method = id.method, :
## NAs introduced by coercion

## NULL
# Datensatz ohne obige Ausreisser
data3 <- data2[(row.names(data2) %in% out.na)==FALSE,]

Zweifaktoriell

Datensatz einlesen und Variablen spezifizieren

# Datensatz einlesen
Geschlecht <- rep(rep(c("Männer", "Frauen"),3), c(8,6,5,2,4,3))
Therapie <- rep(c("VT", "GT", "PA"), c(14, 7, 7))
GSR <- c(14,16,31,23,28,23,33,28,21,30,35,30,40,35,51,43,48,53,58,28,43,49,56,58,49,37,47,42)
data <- data.frame(Geschlecht, Therapie, GSR)

# Variablen spezifizieren
Faktor1 <- "Geschlecht"   # Name des ersten Faktors eingeben (Abszisse)
Faktor2 <- "Therapie"     # Name des zweiten Faktors eingeben (Farbe)
AV <- "GSR"               # Name der abhängigen Variablen eingeben

Boxplot

# Listwise Deletion
data2 <- na.omit(data[, c(AV, Faktor1, Faktor2), drop=FALSE])

# Schwarzweissversion
library(ggplot2)
ggplot(data2, aes_string(x=Faktor1, y=AV, fill=Faktor2)) + geom_boxplot(coef=1.5) + scale_fill_grey(name=Faktor2, start=.4, end=1) + theme_bw()

# Farbige Version
library(ggplot2)
ggplot(data2, aes_string(x=Faktor1, y=AV, fill=Faktor2)) + geom_boxplot(coef=1.5, outlier.colour="red") + theme_gray()

# Fallnummern der Ausreisser des Datensartzes data
library(car)
out.na <- sort(as.numeric(Boxplot(as.formula(paste(AV, "~", Faktor1, "+", Faktor2)), data=data2, range=1.5, labels=rownames(data2), id.n=Inf))); out.na

## [1] 9
data3 <- data2[(row.names(data2) %in% out.na)==FALSE,]

Dreifaktoriell

Datensatz einlesen und Variablen spezifizieren

# Datensatz einlesen
Gruppe <- rep(c("fifth Grade", "Seniors"), c(30,30))
Feedback <- rep(c("keines", "positiv", "negativ"), each=10, len=60)
Emotion <- rep(c("hoch","niedrig"), each=5, len=60)
Behaltensleistung <- c(9.5, 9.0, 8.0,7.0,6.5,10.5,10.0,9.0,8.0,7.5,5.5,5.0,4.0,3.0,
2.5,9.5,9.0,8.0,7.0,6.5,5.0,4.5,3.5,2.5,2.0,9.0,8.5,7.5,6.5,6.0,9.0,8.5,7.5,6.5,6.0,
10.5,10.0,9.0,8.0,7.5,8.7,8.2,7.2,6.2,5.7,10.0,9.5,8.5,7.5,7.0,8.5,8.0,7.0,6.0,5.5,9.5,
9.0,8.0,7.0,6.5)
data <- data.frame(Gruppe, Feedback, Emotion, Behaltensleistung)

# Variablen spezifizieren
Faktor1 <- "Feedback"       # Name des ersten Faktors eingeben (Abszisse)
Faktor2 <- "Emotion"        # Name des zweiten Faktors eingeben (Farbe)
Faktor3 <- "Gruppe"         # Unterteilung der Plots
AV <- "Behaltensleistung"   # Name der abhängigen Variable eingeben

Boxplot

# Listwise Deletion
data2 <- na.omit(data[, c(AV, Faktor1, Faktor2, Faktor3), drop=FALSE]); library(ggplot2)

# Schwarzweissversion
library(ggplot2)
ggplot(data2, aes_string(x=Faktor1, y=AV, fill=Faktor2)) + geom_boxplot(coef=1.5) + facet_grid(paste("~",Faktor3)) + scale_fill_grey(name=Faktor2, start=.4, end=1) + theme_bw()

# Farbige Version
library(ggplot2)
ggplot(data2, aes_string(x=Faktor1, y=AV, fill=Faktor2)) + geom_boxplot(coef=1.5, outlier.colour="red") + facet_grid(paste("~",Faktor3)) + theme_gray()

# Zeilennamen (row names) der Ausreisser des Datensartzes data
library(car)
out.na <- Boxplot(as.formula(paste(AV, "~", Faktor1, "+", Faktor2, "+", Faktor3)), data=data2, range=1.5, labels=rownames(data2), id.n=Inf); out.na

## NULL
# Datensatz ohne obige Ausreisser
data3 <- data2[(row.names(data2) %in% out.na)==FALSE,]