Datensatz einlesen und Variablen spezifizieren

# Datensatz 'data': pro Versuchsperson eine Zeile
# Häufigkeitstabellen zuerst umwandeln, vgl. Umwandlung von Datenstrukturen
Altersklasse <- rep(c("10-12","13-15","16-18","19-21"), c(122,140,115,123))
Deutungsart <- rep(rep(c("Mensch","Tier","Pflanze"), 4), c(12,80,30,20,70,50,35,50,30,40,55,28))
data <- data.frame(Altersklasse, Deutungsart)

# Variablen spezifizieren
Faktor1 <- "Altersklasse"   # Bezeichnung des Faktors auf der Abszisse eingeben
Faktor2 <- "Deutungsart"    # Bezeichnung des Faktors für die Balkenfarbe eingeben

Häufigkeitstabelle und Signifikanztest

# Häufigkeitstabelle
data2 <- na.omit(data[, c(Faktor1, Faktor2), drop=FALSE])
tab <- xtabs(paste("~", Faktor1, "+", Faktor2), data2)

# Zeilenweise relative Häufigkeiten
tab.rel.zeilen <- prop.table(tab, margin=1)

# Spaltenweise relative Häufigkeiten
tab.rel.spalten <- prop.table(tab, margin=2)

# Signifikantest
test <- chisq.test(tab)

# Für kleine Stichproben kann für Vierfeldertafeln der Fischer-Yates-Test als exakte Variante gerechnet werden.
# fisher.test(x=tab)

list(Häufigkeitstabelle=tab, "Zeilenweise relative Häufigkeiten"=tab.rel.zeilen, "Spaltenweise relative Häufigkeiten"=tab.rel.spalten, Signifikanztest=test) 
## $Häufigkeitstabelle
##             Deutungsart
## Altersklasse Mensch Pflanze Tier
##        10-12     12      30   80
##        13-15     20      50   70
##        16-18     35      30   50
##        19-21     40      28   55
## 
## $`Zeilenweise relative Häufigkeiten`
##             Deutungsart
## Altersklasse     Mensch    Pflanze       Tier
##        10-12 0.09836066 0.24590164 0.65573770
##        13-15 0.14285714 0.35714286 0.50000000
##        16-18 0.30434783 0.26086957 0.43478261
##        19-21 0.32520325 0.22764228 0.44715447
## 
## $`Spaltenweise relative Häufigkeiten`
##             Deutungsart
## Altersklasse    Mensch   Pflanze      Tier
##        10-12 0.1121495 0.2173913 0.3137255
##        13-15 0.1869159 0.3623188 0.2745098
##        16-18 0.3271028 0.2173913 0.1960784
##        19-21 0.3738318 0.2028986 0.2156863
## 
## $Signifikanztest
## 
##  Pearson's Chi-squared test
## 
## data:  tab
## X-squared = 34.643, df = 6, p-value = 5.053e-06

Grafiken