| Thema | Bezeichnung/Datei | Beschreibung | | ANOVA
Varianzanalyse (Multivariate Daten) | anova_faes Beispieldateien: Einfaktorielle ANOVA:
Einf_ANOVA_Daten Zweifaktorielle ANOVA:
Zweif_ANOVA_Daten
| Siehe www.faes.de -> Varianzanalyse "anova_faes" <- function(x,
P = 0.95,
zweif = FALSE,
n.i = 1,
n.j = 1,
erweitert = FALSE) P ist die Wahrscheinlichkeit auf der die Aussage getroffen werden soll.
Wird keine Angabe gemacht, wird die Wahrscheinlichkeit mit 0.95 (95%) angenommen.
Mit dieser Funktion kann eine Ein- oder Zweifaktorielle Varianzanalyse durchgeführt werden. Wird das Argument zweif = TRUE gesetzt wird von einer Zweifaktoriellen
Varianzanalyse ausgegangen. Dann müssen auch die Argumente n.i und n.j gesetzt werden. Siehe dazu Varianzanalyse -> Abbildung 15.
Wird im Rahmen der Zweifaktoriellen ANOVA das Argument erweitert = TRUE gesetzt, werden weitere "Zwischenergebnisse" zur Information ausgegeben.
Die Resultate werden als Text ausgegeben, ein Funktionsergebnis über return() wird nicht zur Verfügung gestellt.
Möchten Sie Ihre eigenen Daten mit dieser Funktion analysieren, beachten Sie den Aufbau der Datei an den Beispieldaten Einfaktorielle Daten (Varianzanalyse -> Abbildung 5) und Zweifaktorielle Daten (Varianzanalyse -> Abbildung 10). Eine Beispielanwendung finden Sie hier...!
| | Einfaktorielle Daten:
Zweifaktorielle Daten:
 | | Faktorenanalyse (Multivariate Daten) | Faktorenanalyse_2 | Siehe www.faes.de -> Faktorenanalyse "faktorenanalyse" <- function(x,
labelsp = FALSE,
nFaktoren = 0,
info = FALSE,
grafik = FALSE,
test = "Bartlett",
rotation = "varimax",
...)
Beinhaltet die Datenmatrix als 1. Spalte eine Labelspalte, ist labelsp = T zusetzen. Ist mit fehlenden Werten zu rechnen, wir die Berechnung abgebrochen.
Werden keine Angaben zu der erwarteten Anzahl Faktoren gemacht, werden sie über das Kaiser-Kriterium ermittelt (nFaktoren).
Die intern verwendete Funktion factanal() wird mit socres und rotation vorbelegt. Sie kann darüber hinaus mit den möglichen Argumenten "versorgt" werden.
Wird info = T gesetzt, wird die Korrelationsmatrix, die Eigenwerte, Anzahl der Faktoren und die Z-Matrix zur Info ausgeben.
Die grafische Darstellung der Faktorenwerte wird mit grafik = T durchgeführt. Die Entwicklung der Vorgängerversion wird in Einführung in R, Kapitel Beispiel Faktorenanalyse inklusive Beispiel dargelegt. | | Kontingenzanalyse
(Kreuz- oder Kontingenztabelle) (Multivariate Daten) | Kontingenzanalyse (Beispieldatensatz) | Siehe www.faes.de -> Kreuz- und Kontingenztabelle "kontingenz" <- function(x,
P = 0.95,
info = TRUE) In der übergebenen Datenmatrix muss die 1. Spalte die Merkmalbeschreibung enthalten sein. Diese Spalte wird nicht im Objekt das der Funktion chisq.test übergeben wird, abgelegt.
Die Wahrscheinlichkeit P wird mit 95% vorgegeben und dient nur zum "Einordnen" des Chi-Quadrat-Wertes. Ist eine Info-Ausgabe!
Als Voreinstellung ist info auf TRUE eingestellt, sodass weitere Informationen ausgegeben werden. Der Beispieldatensatz:
| Ausbildung | Kurz | Mittel | Lang | 1 | Keine | 52 | 89 | 123 | 2 | Berufsausbildung | 46 | 35 | 23 | 3 | Berufsspez Weiterbildung | 25 | 15 | 13 | 4 | Hochschule | 26 | 10 | 5 |
|
> kontingenz(Daten)
Kontingenzanalyse
Chquadrat-Prüfgröße: 57.28007
Freiheitsgrad: 6
Vergleichswert der Chiquadratverteilung mit P 95 %: 12.59159
p-value: 1.603292e-10
Anzahl Beobachtungen in der Matrix: 462
Kontingenzkoeffizient: 0.3321245
M (zur Berechnung von K max): 3
K max: 0.8164966
Korrigierter Kontingenzkoeffizient: 0.4067678 | | Lorenzkurve (Univariate Daten) | Lorenz | Siehe www.faes.de -> Lexikon -> Lorenzkurve "Lorenz" <- function(x,
grafik = TRUE,
...) Der übergebene Datensatz muss folgende Form haben (siehe Beispieldaten):
"Unternehmen";"Umsatz"
"A";20
"B";50
"C";15
"D";15
"E";20
Die Überschrift in der 1. Zeile ist natürlich, bis auf die Form, frei wählbar. Die Lorenzkurve wird durch grafik = TRUE ausgegeben. Weitere Grafikparameter können durch das ...-Argument übergeben werden.
Die Ausgabe beinhaltet die Anteile der Merkmalsträger, die Grafik (s. o.) und den Gini-Koeffizient. | | Normalverteilung (Schiefe, Wölbung,
5-Punkte- -Zusammen-fassung,
Kolmogorov- Smirnov-Test) | Normalverteilung
(Version 2.0) Beispieldatensatz: Sollwert_95.csv | Siehe www.faes.de -> Abweichung von der Normalverteilung "normalv" <- function(x,
grafik = FALSE,
Grafiktitel = "") Der Datensatz x wird als Vektor der Funktion übergeben. Dieser wird auf fehlende Werte überprüft und deren vorhandensein berücksichtigt.
Es wird die Schiefe, Wölbung, die 5-Punkte-Zusammenfassung ausgegeben und die Güte der Normalverteilung über Kolmogorov-Smirnov-Test geschätzt:
Kennzahlen zur Normalverteilung
Testdatenbezeichnung: Gehalt
Anzahl der übergebenen Werte: 100
Mittelwert: 95.04513
Standardabweichung: 0.5214898
Schiefe: 0.01468216
Wölbung: -0.2711848
5-Punkte-Zusammenfassung:
Kleinster Wert: 93.77
1. Quantile: 94.72
Median: 95.03
3. Quantile: 95.38
Größter Wert: 96.24
Kolmogoroff-Smirnov-Test:
Prüfgröße: 0.04327328
Wahrscheinleichkeit (p-Wert): 0.9920269 ( 99.2 %-iges Zutreffen der Normalverteilung)
>
Wird grafik=T gesetzt, werden die Daten als Histogramm, Dichteverteilung und Q-Q-Plot mit ausgegeben: | |
|
