Datensätze

Auf der folgenden Seite werden alle Datensätze aufgeführt, mit denen in den verschiedenen Tutorials auf pandaR gearbeitet wird. Die Datensätze sind alphabetisch sortiert und können teilweise direkt über diese Seite heruntergeladen werden. Hier eine Übersicht:

Achtsamkeit und Depression (raw_data)

Beschreibung

Beim Datensatz stammt von Rubin (2020) und ist auf dem Open Science Framework zu finden. Er beschäftigt sich mit der Untersuchung von Variablen, die den Zusammenhang zwischen Achtsamkeit und Depression mithilfe einer Netzwerkanalyse untersuchen wollen.

Datensatz laden

raw_data <- readRDS(url("https://osf.io/awz3d/download"))

names(raw_data) <- c("observe", "describe", "awaren.", "nonjudg.",
                     "nonreact.", "interest",  "emotions",  "sleep",
                     "tired",  "appetite", "selfim.",
                     "concentr.", "speed")

Größe

Der Datensatz besteht aus 384 Beobachtungen auf 13 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der wichtigsten Variablen und ihre Bedeutungen.

Die Variablen observe, describe, awareness, nonjudging und nonreactivity bezeichnen die fünf Facetten der Achtsamkeit von Baer et al. (2006). Die 8 weiteren Variablen beschreiben eine dysfunktionale, meist negative Veränderung in dem bezeichneten Lebensaspekt im Zuge einer Depression.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Auftreten

Achtsamkeit und Depression wird in Netzwerkanalyse im Querschnitt [Klipps Legacy] genutzt.

Alkoholkonsum von Jugendlichen (alc)

Beschreibung

Der Datensatz stammt aus einer Erhebung von Curran, Stice und Chassin (1997) in der der Alkoholkonsum von Jugendlichen längsschnittlich untersucht wurde. Dazu wurde der Selbstbericht über den eigenen Alkoholkonsum mit 14, 15 und 16 Jahren, sowie die Trinkgewohnheiten der Eltern und Peers erfragt. Zusätzlich wurden demografische Variablen erhoben.

Datensatz laden

load(url("https://pandar.netlify.app/daten/alc.rda"))

Größe

Der Datensatz besteht aus 82 Beobachtungen auf 7 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Auftreten

Alc wird in Varianzanalyse mit Messwiederholung [Statistik II] genutzt.

Erweiterung

Für das Quiz ANOVA III in PsyBSc7 wurde der Datensatz nochmal in zwei getrennten Formaten erweitert. Die erweiterten Daten sind simulationsbasiert. Die Daten können mit folgendem Befehl eingeladen werden:

load(url("https://pandar.netlify.app/daten/alc_extended.rda"))

Im Environment erscheinen zwei Datensätze. Der Datensatz alc17 hat eine Variable mehr (alcuse.17), während alc18 nochmal 2 weitere zusätzliche Variablen (treat und alcuse.18) hat.

Hier folgt nochmal eine genauere Aufstellung der simulierten Variablen.

Arbeitsstress bei Call-Center-Mitarbeiter:innen (StressAtWork)

Beschreibung

Der Datensatz ist eine Zusammenstellung aus mehreren Studien der Arbeits- und Organisationspsychologie-Abteilung der Goethe-Universität, in welchem Call-Center-Mitarbeiter:innen untersucht wurden. Der Datensatz enthält das Geschlecht der Proband:innen, sowie ausgewählte Messungen der Variablen Zeitdruck und Arbeitsorganisationale Probleme aus dem Instrument zur stressbezogenen Tätigkeitsanalyse (ISTA) von Semmer, Zapf und Dunckel (1999), Psychosomatische Beschwerden (auch “Befindlichkeit”) aus der Psychosomatischen Beschwerdenliste von Mohr (1986), sowie Messungen zu Subskalen von Burnout: Emotionale Erschöpfung und Leistungserfüllung aus Maslachs Burnout-Inventar (Maslach & Jackson, 1986) in der deutschen Übersetzung von Büssing und Perrar (1992).

Datensatz laden

load(url("https://pandar.netlify.app/daten/StressAtWork.rda"))

Größe

Der Datensatz besteht aus 305 Beobachtungen auf 34 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Auftreten

StressAtWork wird in Modelle für Gruppenvergleiche [Fue II] und Pfadanalysen und Strukturgleichungsmodelle [Fue II] genutzt.

Bildungsinvestitionen auf der Welt (edu_exp)

Beschreibung

Wir benutzen für unsere Interaktion mit ggplot2 öffentlich zugängliche Daten aus verschiedenen Quellen, die dankenswerterweise von Gapminder zusammengetragen werden. Für diesen Abschnitt gucken wir uns dafür mal an, wie viele verschiedene Länder in die Bildung investieren - diese Daten stammen ursprünglich von der Weltbank.

Datensatz laden

load(url('https://pandar.netlify.app/daten/edu_exp.rda'))

Größe

Der Datensatz besteht aus 4316 Beobachtungen auf 12 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Insgesamt liegen im Datensatz 10147 fehlende Werte vor. Folgende Variablen enthalten keine fehlenden Werte:

• geo
• Country
• Wealth
• Region
• Year
• Population

Auftreten

edu_exp wird in Grafiken mit ggplot2 [Statistik II], Scatterplots und interaktiven Grafiken mit ggplot2 [Statistik II], gganimate [Ggplotting], ggplotpourri [Ggplotting], Datenaufbereitung für ggplotting [Ggplotting], Explorative Grafiken [Ggplotting], ggplot2 Intro [Ggplotting], Hübschere Grafiken mit ggplot [Ggplotting], plotly [Ggplotting], Tag 01 [Refresher], Tag 02 [Refresher] und Übungen [Refresher] genutzt.

Bullyingprävention bei Jugendlichen (fairplayer)

Beschreibung

Der Datensatz stammt aus einer Studie von Bull, Schultze & Scheithauer (2009), in der die Effektivität eines Interventionsprogramms zur Bullyingprävention bei Jugendlichen untersucht wurde.

Datensatz laden

load(url("https://pandar.netlify.app/daten/fairplayer.rda"))

Größe

Der Datensatz besteht aus 155 Beobachtungen auf 31 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

In dem Datensatz liegen 830 fehlende Werte vor. Folgende Variablen enthalten keine fehlenden Werte:

• id

Auftreten

fairplayer wird in Einführung in lavaan [Fue II] und Übungen [Refresher] genutzt.

Depressivität (Depression)

Beschreibung

Beim Datensatz handelt es sich um fiktive Daten bezüglich Depressionswerten in Beziehung zu einigen weiteren Variablen.

Datensatz laden

load(url("https://pandar.netlify.app/daten/Depression.rda"))

Größe

Der Datensatz besteht aus 90 Beobachtungen auf 6 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

Auftreten

depression wird in Einleitung und Wiederholung KliPPs [Klipps Legacy], Multiple Regression und Ausreißerdiagnostik [Klipps Legacy] und Partial- & Semipartialkorrelation [Statistik II] genutzt.

Die Big Five Persönlichkeitsdimensionen (Big5)

Beschreibung

Der Originaldatensatz ist ein Onlinedatensatz, wird seit 2012 erfasst und ist auf openpsychometrics.org als .zip downloadbar. Bisher haben über 19700 Probanden aus der ganzen Welt teilgenommen. Zu jeder der fünf Facetten gibt es 10 Fragen. Der Fragebogen ist auf personality-testing.info einzusehen. Um das Ganze etwas übersichtlicher zu gestalten, betrachten wir einen gekürzten Datensatz. Im Datensatz Big5_EFA.rda befinden sich 15 Items aus dem Big-5 Persönlichkeitsfragebogen. Hier werden von den 10 Items pro Facette jeweils die ersten drei verwendet.

Datensatz laden

load(url("https://pandar.netlify.app/daten/Big5_EFA.rda"))

Größe

Der Datensatz besteht aus 19711 Beobachtungen auf 19 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der wichtigsten Variablen und ihre Bedeutungen. Die jeweiligen Items sind von 1 bis 5 skaliert.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Auftreten

Big5 wird in Exploratorische Faktorenanalyse [Fue II] und Partial- & Semipartialkorrelation - Übungen [Statistik II] genutzt.

Distorted News (OSF)

Beschreibung

Im Datensatz sind die Daten aus der 3. Teilstudie von Firschlich et al. (2021) enthalten. Dabei wurde in einem experimentellen Design untersucht, welche Auswirkung neutrale vs. ideologisch geladene Berichterstattung auf Wahrnehmung und Glaubhaftigkeitseinschätzung eines Nachrichtenbeitrags über einen deutschen Politiker hat. Der experimentelle Effekt soll dabei durch verschiedene Einstellungen moderiert werden. Distales outcome ist die Einschätzung des Politikers, von dem der Artikel handelt.

Frischlich, L., Hellmann, J.H., Brinkschulte, F., Becker, M., & Back, M.D. (2021). Right-wing authoritarianism, conspiracy mentality, and susceptibility to distorted alternative news. Social Influence, 16(1), 24-64, DOI: 10.1080/15534510.2021.1966499.

Datensatz laden

Der Datensatz wird in einem Skript reduziert und Variablen umbenannt. Dieses Skript kann mit folgendem Befehl ausgeführt werden:

source("https://pandar.netlify.app/daten/Data_Processing_distort.R")

Im Environment erscheint dadurch der Datensatz distort.

Größe

Der Datensatz besteht aus 474 Beobachtungen auf 17 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der ausgewählten Variablen und ihrer Bedeutungen.

Fehlende Werte

Dieser Datensatz wurde zuvor mit einfacher Imputation ergänzt und enthält daher keine fehlenden Werte.

Auftreten

OSF distort wird in Inferenz und Modellauswahl in der multiplen Regression - Übungen [Statistik II], Tag 02 [Refresher], Übungen [Refresher] und Grundlagen: Tag 02 [Refresher] genutzt.

Effektivität der CBT bei Depression (F2F_CBT)

Beschreibung

Der Datensatz ist im R-eigenen Paket metafor von Viechtbauer (2010) enthalten und stammt von einer Studie von López-López et al. (2019). Die Autor:innen haben die Effektivität der CBT (cognitive behavioural therapy [kognitive Verhaltenstherapie]) bei Depression untersucht und diese mit verschiedenen Kontrollbedingungen und unterschiedlichen Arten der CBT verglichen.

Datensatz laden

library(metafor)

## Lade nötiges Paket: Matrix

## Lade nötiges Paket: metadat

## Lade nötiges Paket: numDeriv

## 
## Loading the 'metafor' package (version 4.8-0). For an
## introduction to the package please type: help(metafor)

F2F_CBT <- dat.lopez2019[dat.lopez2019$treatment == "F2F CBT",] # wähle nur Fälle mit F2F CBT

Größe

Der Datensatz besteht aus 71 Beobachtungen auf 23 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Im Datensatz liegen 20 fehlende Werte vor. Auf folgenden Variablen liegen keine fehlenden Werte vor:

• authors
• year
• ni
• ri
• controls
• design
• a_measure
• c_measure
• meanage
• quality

Auftreten

F2F_CBT wird in Metaanalysen in R [Klipps Legacy] genutzt.

Einstellungsentscheidungen (Assessment)

Beschreibung

Bei dem Datensatz handelt es sich um ein simuliertes Datenbeispiel zu Einstellungsentscheidungen in jungen Start-Ups.

Datensatz laden

load(url("https://pandar.netlify.app/daten/Assessment.rda"))

Größe

Der Datensatz besteht aus 1672 Beobachtungen auf 4 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

Auftreten

Assessment wird in Daten für die Übungen [Fue I] genutzt.

Entwicklung der Weltbevölkerung (WorldPopulation)

Beschreibung

Der Datensatz stammt von Gapminder und enthält Daten zur Entwicklung der Weltbevölkerung. Die Dokumentation des Datensatzes sowie seine Datenquellen sind hier einzusehen: gapminder.org-Dokumentationen.

Datensatz laden

load(url("https://pandar.netlify.app/daten/WorldPopulation.rda"))

Größe

Der Datensatz besteht aus 221 Beobachtungen auf 2 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Auftreten

WorldPopulation wird in Regression V: nichtlineare Regression - exponentielles Wachstum [Statistik II] genutzt.

Erfahrungen in Beziehungen (ecr)

Beschreibung

Die hier verwendeten Daten stammen aus dem “Open-Source Psychometrics Project”, einer Online-Plattform, die eine Sammlung an Daten aus verschiedensten Persönlichkeitstests zur Verfügung stellt. Bei den hier bereitgestellten Daten handelt es sich um eine Auswahl von Daten, die ausschließlich aus Deutschland stammt. Im Zentrum stehen die 36 Items der “Experiences in Close Relationships” Skala von Brennan et al. (1998).

Datensatz laden

load(url('https://pandar.netlify.com/daten/ecr.rda'))

Größe

Der Datensatz besteht aus 554 Beobachtungen auf 38 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Im Datensatz liegen 2 fehlenden Werte vor. Fehlende Werte sind dabei ausschließlich auf der Variable gender zu finden.

Auftreten

ecr wird aktuell in keinem Beitrag genutzt.

Fragebogendaten aus dem ersten Semester (fb22)

Beschreibung

Der Datensatz fb22 besteht aus Daten, die von den Studierenden selbst in den ersten Wochen der Veranstaltung PsyBSc2 erhoben wurden. Hierbei wurden eine Reihe von Variablen via eines Fragebogens auf formr.org erfragt und anschließend zu einem Datensatz zusammengefügt. Die Daten basieren somit auf wahren - anonymisierten - Werten der Studierenden. Der Fragebogen erfasst Daten zur Prokrastinationstendenz, Naturverbundenheit, Persönlichkeit (gemessen an den Big5), dem Studium sowie demografische Daten.

Datensatz laden

load(url('https://pandar.netlify.app/daten/fb22.rda'))

Größe

Der Datensatz besteht aus 159 Beobachtungen auf 36 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Insgesamt liegen im Datensatz 102 fehlende Werte vor. Folgende Variablen enthalten keine fehlenden Werte:

• prok1
• prok2
• prok3
• prok5
• prok6
• prok7
• prok8
• prok9
• prok10
• nr1
• nr2
• nr4
• nr5
• nr6
• vertr
• extra
• gewis
• neuro
• intel
• nerd
• uni1
• uni2
• uni3
• uni4

Auftreten

fb22 wird in Freiwillige Übungsaufgaben (alle Abschnitte) [Statistik I] und Gewichtete Regression [Statistik II] genutzt.

Fragebogendaten aus dem ersten Semester (fb23)

Beschreibung

Der Datensatz fb23 besteht aus Daten, die von den Studierenden selbst in den ersten Wochen der Veranstaltung PsyBSc2 erhoben wurden. Hierbei wurden eine Reihe von Variablen via eines Fragebogens auf formr.org erfragt und anschließend zu einem Datensatz zusammengefügt. Die Daten basieren somit auf wahren - anonymisierten - Werten der Studierenden. Der Fragebogen erfasst Daten zur aktuellen Stimmung, Persönlichkeit (gemessen an den Big5), dem Studium sowie demografische Daten.

Datensatz laden

load(url('https://pandar.netlify.app/daten/fb23.rda'))

Größe

Der Datensatz besteht aus 179 Beobachtungen auf 40 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Insgesamt liegen im Datensatz 222 fehlende Werte vor. Folgende Variablen enthalten keine fehlenden Werte:

• mdbf2
• mdbf3
• mdbf4
• mdbf5
• mdbf6
• mdbf7
• mdbf8
• mdbf9
• mdbf10
• mdbf11
• mdbf12
• extra
• gewis
• neuro
• offen
• prok
• nerd
• uni1
• uni2
• uni3
• uni4

Auftreten

fb23 wird in Tag 02 [Refresher] und Grundlagen: Tag 02 [Refresher] genutzt.

Fragebogendaten aus dem ersten Semester (fb24)

Beschreibung

Der Datensatz fb24 besteht aus Daten, die von den Studierenden selbst in den ersten Wochen der Veranstaltung PsyBSc2 erhoben wurden. Hierbei wurden eine Reihe von Variablen via eines Fragebogens auf SoSciSurvey erfragt und anschließend zu einem Datensatz zusammengefügt. Die Daten basieren somit auf wahren - anonymisierten - Werten der Studierenden. Der Fragebogen erfasst Daten zur aktuellen Stimmung, Persönlichkeit (gemessen an den Big5), dem Studium sowie demografische Daten.

Datensatz laden

load(url('https://pandar.netlify.app/daten/fb24.rda'))

Größe

Der Datensatz besteht aus 192 Beobachtungen auf 42 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Insgesamt liegen im Datensatz 379 fehlende Werte vor. Folgende Variablen enthalten keine fehlenden Werte:

• mdbf1
• mdbf2
• mdbf3
• mdbf4
• mdbf5
• mdbf6
• time_pre

Auftreten

fb24 wird in Einfache Lineare Regression [Statistik I], Tests für abhängige Stichproben [Statistik I], Tests für unabhängige Stichproben [Statistik I], Korrelation [Statistik I], Matrixalgebra [Statistik I], Multiple Regression [Statistik I], Tests und Konfidenzintervalle [Statistik I], Funktionen und Loops - Übungen [Statistik II] und Funktionen und Loops [Statistik II] genutzt.

Fragebogendaten aus dem ersten Semester (fb25)

Beschreibung

Der Datensatz fb25 besteht aus Daten, die von den Studierenden selbst in den ersten Wochen der Veranstaltung PsyBSc2 erhoben wurden. Hierbei wurden eine Reihe von Variablen via eines Fragebogens auf SoSciSurvey erfragt und anschließend zu einem Datensatz zusammengefügt. Die Daten basieren somit auf wahren - anonymisierten - Werten der Studierenden. Der Fragebogen erfasst Daten zur aktuellen Stimmung, Persönlichkeit (gemessen an den Big5), dem Studium sowie demografische Daten.

Datensatz laden

load(url('https://pandar.netlify.app/daten/fb25.rda'))

Größe

Der Datensatz besteht aus 211 Beobachtungen auf 43 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Insgesamt liegen im Datensatz 426 fehlende Werte vor. Folgende Variablen enthalten keine fehlenden Werte:

• mdbf1
• mdbf2
• mdbf3
• mdbf4
• mdbf5
• mdbf6
• mdbf7
• mdbf8
• mdbf9
• mdbf10
• mdbf11
• mdbf12
• time_pre
• vertr
• gewis
• neuro
• offen

Auftreten

fb24 wird in Einfache Lineare Regression [Statistik I], Tests für abhängige Stichproben [Statistik I], Tests für unabhängige Stichproben [Statistik I], Korrelation [Statistik I], Matrixalgebra [Statistik I], Multiple Regression [Statistik I], Tests und Konfidenzintervalle [Statistik I], Funktionen und Loops - Übungen [Statistik II] und Funktionen und Loops [Statistik II] genutzt.

Gender, Drug, and Depression (osf)

Beschreibung

Der Datensatz liegt auf dem Open Science Framework und stammt aus einer Untersuchung von Jing, Page-Gould & Iankilevitch (2019), die den Effekt einer Drogenabhängigkeit auf das individuelle Depressionslevel einer Person untersucht haben.

Datensatz laden

library(haven)
osf <- read_sav(file = url("https://osf.io/prc92/download"))

Größe

Der Datensatz besteht aus 55602 Beobachtungen auf 38 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

In dem Datensatz liegen 184784 fehlende Werte vor. Auf folgenden der für die Untersuchungen relevanten Variablen liegen keine fehlenden Werte vor:

• GENDER_R

Auftreten

OSF Gender, Drug and Depression wird in Logistische Regression [Klipps Legacy] genutzt.

Gewissenhaftigkeit und Medikamenteneinnahme (data_combined)

Beschreibung

Der Datensatz stammt aus dem R-eigenen Paket metafor von Viechtbauer (2010) und beinhaltet Variablen, die im Zusammenhang mit Gewissenhaftigkeit und der Einnahme von Medikamenten stehen. Es handelt sich hierbei um eine Meta-Analyse mehrerer Studien:

Molloy, G. J., O’Carroll, R. E., & Ferguson, E. (2014). Conscientiousness and medication adherence: A meta-analysis. Annals of Behavioral Medicine, 47(1), 92–101. https://doi.org/10.1007/s12160-013-9524-4

Datensatz laden

library(metafor)
load(url('https://pandar.netlify.app/daten/reliabilites.molloy2014.rda'))

Im nächsten Schritt sollte der Datensatz mit den Reliabilitäten und der ursprüngliche Datensatz zusammen gefasst werden. Dafür gibt es einige Möglichkeiten. Hier ist ein Beispiel aufgeführt:

data_combined <- dat.molloy2014
data_combined$rel1 <- reliabilites.molloy2014$RelGewissenhaftigkeit
data_combined$rel2 <- reliabilites.molloy2014$RelCondition
head(data_combined)

Größe

Der Datensatz besteht aus 16 Beobachtungen auf 12 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Im Datensatz liegen 4 fehlende Werte vor. Auf folgenden Variablen liegen keine fehlenden Werte vor:

• study
• treatment
• scale
• n
• diff
• se
• group
• tailored
• cog
• ba
• psed
• home
• prob
• soc
• relax
• goal
• final
• mind
• act

Auftreten

data_combined wird in Daten für die Quiz [Klipps Legacy] genutzt.

Hauptkomponentenanalyse (PCA)

Beschreibung

Der Beispieldatensatz enthält simulierte Daten zu unbekannten Variablen. Eine abhängige und sechs unabhängige Variablen liegen vor.

Datensatz laden

load(url("https://pandar.netlify.app/daten/PCA.RData"))

Größe

Der Datensatz besteht aus 36 Beobachtungen auf 7 Variablen.

Variablen

Die Namen der Variablen sind nichtssagend, um Untersuchereffekte bei der Analyse auszuschließen.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Auftreten

PCA wird in Hauptkomponentenanalyse [Fue I] genutzt.

HeckData (HeckData)

Beschreibung

Dieser Datensatz ist ein simulierter Datensatz zur Anwendung auf ein Heckman Modell, um die Methodik für Selektionseffekte zu erläutern. Die genauen Parameter der Simulation sind im entsprechenden Beitrag in Appendix B gegeben.

Datensatz laden

load(url("https://pandar.netlify.app/daten/HeckData.rda"))

Größe

Der Datensatz besteht aus 10000 Beobachtungen auf 5 Variablen.

Variablen

Die Namen der Variablen:

Fehlende Werte

Im Datensatz liegen 7622 “fehlende Werte” auf der Variable Y_obs vor.

Auftreten

HeckData wird in Selektionseffekte [Forschungsmodul] genutzt.

Internetintervention für psychische Störungen (osf)

Beschreibung

Der Datensatz liegt auf dem Open Science Framework und stammt aus einer Untersuchung von Schaeuffele et al. (2020), die den Effekt des Unified Protocol (UP) als Internetintervention für bestimmte psychische Störungen untersucht haben. In der Untersuchung wurden psychopathologische Symptome und therapiebezogene Variablen über einen Zeitraum von 6 Monaten erhoben.

Datensatz laden

osf <- read.csv(file = url("https://osf.io/zc8ut/download"))
osf <- osf[, c("ID", "group", "stratum", "bsi_post", "swls_post", "pas_post")]

Größe

Der Datensatz besteht aus 129 Beobachtungen auf 6 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

In dem Datensatz liegen 96 fehlende Werte vor. Auf folgenden Variablen liegen keine fehlenden Werte vor:

• ID
• group
• stratum

Auftreten

OSF Internetintervention für psychische Störungen wird in ANCOVA und moderierte Regression [Klipps Legacy], ANOVA vs. Regression [Klipps Legacy] und Tag 01 [Refresher] genutzt.

Interozeptive Aufmerksamkeit und Genauigkeit (body)

Beschreibung

Der Datensatz liegt auf dem Open Science Framework und stammt aus einer Untersuchung von Campos, Barbosa Rocha und Barbosa (2022), in der es um die Abgrenzung von interozeptiver (die Wahrnehmung der vegetativen Prozesse des eigenen Körpers) Aufmerksamkeit und Genauigkeit geht.

Datensatz laden

Der Datensatz liegt im OSF im .sav Dateiformat (dem Datenformat in dem SPSS seine Daten abspeichert) vor. Daher müssen die Daten mithilfe einer der vielen verschiedenen Import-Funktionen eingelesen werden. Hier nutzen wir dafür die Funktion read_sav aus dem Paket haven, welches R-Studio primär nutzt, um Daten zu importieren und daher bereits installiert sein sollte.

library(haven)
body <- haven::read_sav(file = url('https://osf.io/43xv5/download'))

Der Datensatz enthält neben den zusammengefassten Skalenwerten auch die einzelnen Items der beiden zentralen Skalen (IAS und BPQ), welche wir für diese Anwendung entfernen, um die Daten etwas übersichtlicher zu gestalten. Wir beschränken uns also auf die ersten 27 Variablen im Datensatz:

body <- body[, 1:27]

Größe

Der eingeschränkte Datensatz besteht aus 134 Beobachtungen auf 27 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

In dem Datensatz liegen 92 fehlende Werte vor. Diese sind allesamt auf der fehlerhaft kodierten Variablen UniversityStudent zu finden.

Auftreten

body wird aktuell in keinem Beitrag genutzt.

Items der Generic Conspiracist Beliefs Scale (conspiracy_cfa)

Beschreibung

Die Daten stammen aus der Erhebung zur Validierung der Generic Conspiracist Beliefs Scale (GCBS; Brotherton, French, & Pickering, 2013). Die Daten finden Sie öffentlich zugänglich auf der Open Psychometrics Website. Der Fragebogen besteht aus insgesamt 15 Aussagen, die die Proband:innen jeweils von 1 (“definitely not true”) bis 5 (“definitely true”) hinsichtlich ihres Wahrheitsgehalts einschätzen sollen.

Datensatz laden

source("https://pandar.netlify.app/daten/Data_Processing_conspiracy_cfa.R")

Größe

Der Datensatz besteht aus 2495 Beobachtungen auf 19 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Im Datensatz liegen 186 fehlende Werte vor. Die folgenden Variablen enthalten keine fehlenden Werte:

• edu
• age
• Q10

Auftreten

conspiracy_cfa wird in Konfirmatorische Faktorenanalyse [Fue II] genutzt.

Kulturelle Unterschiede in Korruptionsbestrafung (punish)

Beschreibung

Die Daten stammen aus einer kuturellen Unterschieden in der Einschätzung von verschiedenen Aspekten der Bestechung. Die hier genutzten Daten sind ein Auszug aus den im Artikel von Hong-Zhi et al., 2021 für Studie 1 genutzten Daten.

Datensatz laden

Die Daten können direkt vom OSF heruntergeladen werden. Allerdings werden einige Schritte durchlaufe, um die Daten auf die nötigen Variablen zu reduzieren, welche mit

source("https://pandar.netlify.app/daten/Data_Processing_punish.R")

direkt durchgeführt werden können. Zur Nachvollziehbarkeit, hier noch einmal der Inhalt dieses Skripts:

#### Data preparation file for punishment severity evaluation ----
# for the paper see: https://onlinelibrary.wiley.com/doi/10.1111/ajsp.12509

punish <- foreign::read.spss('https://osf.io/4wypx/download', use.value.labels = TRUE,
  to.data.frame = TRUE)

punish <- punish[, c('culture_group', 'bribery_type', 'age', 'gender',
  'gains_everage', 'difficulties_everage', 'noticed_probability_everage',
  'punishment_probability_everage', 'punishment_severity_everage')]
names(punish) <- c('country', 'bribe', 'age', 'gender', 'gains', 'difficult', 
  'notice', 'probable', 'severe')

levels(punish$age) <- c(levels(punish$age), 'over 50')
punish$age[punish$age %in% c('51-60', '61-70', 'over 70')] <- 'over 50'
punish$age <- droplevels(punish$age)

Größe

Der Datensatz besteht aus 174 Beobachtungen auf 9 Variablen.

Variablen

Der Datensatz enthält (in reduzierter Fassung) folgende Variablen:

Bei den Variablen gains bis severe handelt es sich um individuelle Einschätzungen, die für fünf verschiedene schriftlich dargestellte Situationen eingeschätzt werden sollten. Hier werden die Mittelwerte über die fünf Situationen genutzt.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Auftreten

punish wird in Regression mit nominalskalierten Prädiktoren [Statistik II] genutzt.

KliPPs - Quiz 1: Generalisiertes lineares Modell (trauma)

Beschreibung

Das Quiz zu diesem Block beruht auf einer echten Untersuchung, deren Datensatz hier im Open Science Framework abgelegt ist. In dem Datensatz wurde bspw. erhoben, was für potenziell traumatischen Erlebnissen eine Person ausgesetzt war und mittels der Live Event Checklist (LEC) zu welchem Grad. Weiterhin wurden die Depressionswerte anhand des Becks-Depression-Inventar (BDI) und die Anxiety-Werte durch die Zung Self-Rating Anxiety Scale (SAS) erhoben. Für unsere Berechnung brauchen wir nur einen Ausschnitt der Vielzahl an Variablen. Diesen extrahieren wir aus dem originalen Datensatz und erstellen damit einen Neuen für unsere Aufgaben. Da das Processing in diesem Fall sehr komplex ist, haben wir das für Sie übernommen.

In diesem ist die Variable Geschlecht (gender) in m und w unterteilt, wobei m Männer und w Frauen beschreibt. Die Variable mit den Anxiety Werten (sas) erfasst die kumulierten Werte aller Fragen aus der SAS, die eine 4-Punkt Likert-Skala benutzt. Die Variable mit den Depressionswerten (bdi) erfasst die kumulierten Werte aller Fragen aus dem BDI, das Antwortmöglichkeiten von 0 bis 3 anhand der Schwere der Symptomatik bewertet. Sowohl die Anxiety Werte als auch die Depressionswerte wurden ihrer Intensität nach gruppiert von 1 bis 4, wobei 1 keine auffällige Symptomatik beschreibt, 2 milde bis moderate Symptome, 3 moderate bis schwere Symptome und 4 schwere Symptome. Diese Werte sind in den Variablen bdi_group und sas_group zu finden. In der Variable sexual_assault wurde allen Personen, die sexuelle Gewalt direkt erfahren haben, eine 1 zugeteilt, während allen anderen Fällen eine 0 zugewiesen wurde. Die Variable trauma_exp_form beschreibt die Form des Trauma-Erlebnisses, ob dieses direkt erlebt wurde (markiert durch direct experience), also der Person selbst passiert ist oder indirekt (indirect experience), so dass sie es gesehen / mitbekommen hat. Die Variable trauma_exp_kind beschreibt dagegen, welcher Art das Trauma-Erlebnis war. Dabei wurden die verschiedenen LEC Fragen fünf verschiedenen Gruppen zugeteilt. Im Datensatz liegt diese Variable als Faktor mit 6 Abstufungen vor. Mit diesen 6 Abstufungen können die 5 verschiedene Arten von Traumata aus dem LEC und “kein Trauma” kodiert werden: Stufe 1 steht für Personen, die keine Art eines Traumas erlebt haben. Stufe 2 steht für schwere Krankheiten, 3 für sexuelle Gewalt, 4 für schwere Unfälle, 5 für körperliche Gewalt und 6 für Krieg oder Naturkatastrophen. In der Variable future wird anhand des Zimbardo Time Perspective Inventory (ZTPI) die Einstellung gegenüber der Zukunft erfasst, also ob es für diese klare Vorstellungen, Pläne und Ziele gibt oder nicht. Die Skala Past Negative des ZTPI wird in der Variable past_neg festgehalten und beschreibt wie oft eine Person negativ über die Vergangenheit denkt. Beide Skalen wurden durch 5-Punkt Likert-Skalen bewertet, deren Durchschnitt festgehalten wurde. Zuletzt wurde noch der Gesamtwert der Dissociative Experiences Scale in der Variable dissociation festgehalten. Diese Skala erhebt das Dissoziationserleben einer Person mit 28 Items in einer 11 Punkt Likert-Skala.

Zum Abschluss noch ein Disclaimer zum Processing: Bei der Erstellung der Variable trauma_exp_kind wurde das Erleben mehrerer potentiell traumatischer Live Events ignoriert und die Personen dem jeweils ersten abgefragten traumatischen Erlebnis zugeteilt. Der Effekt mehrerer traumatischer Erlebnisse ist hiermit also nicht mehr erfassbar und kann dadurch die Ergebnisse verzerren. Ebenso wurden die Gruppen nur auf Basis von Item-Ähnlichkeit gebildet und nicht basierend auf empirischen Erkenntnissen. Das ist keine Grundlage für empirisch valide Forschung, sondern gilt einzig der Vereinfachung für die Übungsrechnung.

Datensatz laden

Sie benötigen zum Ausführen des Processing folgende Pakete:

install.packages('dplyr')
install.packages('haven')

Mit folgendem Befehl laden Sie sich die modifizierte Version des Datensatzes in ihr Working Directory ein.

source(url("https://pandar.netlify.app/daten/Data_Processing_KliPPsQuiz1.R"))

## 
## Attache Paket: 'dplyr'

## Die folgenden Objekte sind maskiert von 'package:stats':
## 
##     filter, lag

## Die folgenden Objekte sind maskiert von 'package:base':
## 
##     intersect, setdiff, setequal, union

Größe

Der Datensatz besteht aus 470 Beobachtungen auf 11 Variablen.

Variablen

Der Datensatz enthält folgende Variablen:

Fehlende Werte

Fehlende Werte sind nicht vorhanden

Auftreten

trauma wird in Daten für die Quizze [Klipps] genutzt.

Klipps - Quiz 2: Hierarchische Regression(lockdown)

Beschreibung

Dieser Datensatz nutzt Daten aus der Studie von Pellerin und Raufaste (2020), in der die protektive Wirkung verschiedener psychologischer Ressourcen auf die psychische Gesundheit während der COVID-19-Pandemie untersucht wurde. Die Daten sind hier verfügbar.

In diesem Datensatz sind Personen (id) zu mehreren Messzeitpunkten (wave) während des Lockdowns in Frankreich befragt worden. In der Variable time wird zusätzlich kodiert, wie lange die Person zu diesem Zeitpunkt schon im Lockdown war. Außerdem wurden vier verschiedene Wohlbefindensvariablen als abhängige Variablen erfasst:

• EWB: Emotional Wellbeing
• PWB: Psychological Wellbeing
• SWB: Social Wellbeing
• IWB: Inner Wellbeing

Eine detailliertere Darstellung der Konstrukte, die sich hinter diesen Variablen verbergen finden Sie im Artikel von Pellerin und Raufaste (2020).

Auf Personenebene (Level-2) sind außerdem Variablen als Prädiktoren enthalten, welche zum 1. Zeitpunkt als “Ausgangsniveau” erhoben wurden. Dies sind Personenvariablen wie Alter und Geschlecht, zudem verschiedene psychologischen Ressourcen wie Optimismus (Optimism), Selbstwirksamkeit (Self-efficacy), Hoffnung (Hope), Weisheit (P.Wisdom & ST.Wisdom), Dankbarkeit gegenüber der eigenen Existenz und der Welt (Grat.being & Grat.world) und Akzeptanz (Acceptance). Als Prädiktoren auf Ebene 1 können Variablen verwendet werden, die mehrfach erfragt wurden und über die Zeit variieren. Dies ist die o.g. im Lockdown verbrachte Zeit (Time) sowie die wahrgenommene ökonomische Bedrohung, also Jobgefahr, Geldnot, etc. (E.threat) und die wahrgenommene gesundheitliche Bedrohung, also die Wahrscheinlichkeit einer Erkrankung und deren Folgen (H.threat).

Im Rahmen des Quiz sollen außerdem Fragen zu einer Studie, die das statistische Modell in der klinischen Forschung einsetzt, beantwortet werden. Eine groß angelegte Studie von Goldberg et al. (2016) untersuchte, ob Psychotherapeut*innen mit zunehmender Berufserfahrung bessere Therapieergebnisse erzielen.

Datensatz laden

Um die Daten zu laden können Sie wieder das vorbereitete Datenaufbereitungsskript ausführen:

source(url("https://pandar.netlify.app/daten/Data_Processing_KliPPsQuiz2.R"))

Größe

Der Datensatz besteht aus 2188 Beobachtungen auf 25 Variablen.

Variablen

Der Datensatz enthält folgende Variablen:

Fehlende Werte

Es sind keine fehlenden Werte vorhanden.

Auftreten

lockdown wird in Daten für die Quizze [Klipps] genutzt.

Klipps - Quiz 4: Metaanalyse (fall)

Beschreibung

Für diesen Datensatz nutzen wir die Daten aus der Meta-Analyse von Kruisbrink et al. (2021), in der verschiedene Interventionsansätze bezüglich der Sturzgefahr von Personen höheren Alters untersucht werden. Spezifisch geht es in dieser Analyse um die psychologischen Outcomes bezüglich der Angst vor Stürzen, nicht um die tatsächliche Häufigkeit oder deren Schweregrad. Die relevanten Zusatzdateien (wie z.B. der Datensatz) sind allesamt im OSF-Projekt osf.io/sf67d verfügbar.

In author werden die Studien anhand ihres Erstautors / ihrer Erstautorin geführt, in id ist werden die Studien-IDs numerisch vergeben. quality gibt an, auf wie vielen der sieben potentiellen Bias-Risiken eine Studie als problematisch eingestuft wurde. Von Kruisbrink et al. (2021, S. 6250) wird hierzu folgende Aussage getroffen:

[…] the number of high risk of bias items ranged from two to four out of the total of seven items. Due to the nature of the interventions, blinding was impossible and the two items regarding blinding of participants and personnel and outcome assessors (performance bias and detection bias) were always scored with a high risk of bias.

Die vier folgenden Variablen (bodyawareness, holistic, meditation, discussion) kennzeichnen in Dummy-Variablen, ob eine untersuchte Intervention diese Elemente enthält bzw. nach diesen Prinzipien gestaltet ist. Die Variablen es_post und es_follow enthalten die Effektstärken zur Post bzw. Follow-Messung, die Variablen se_post und se_follow die zugehörigen Standardfehler.

Im Rahmen des Quiz wird außerdem um die genauere Betrachtung der Studie von Schwenk et al. (2016) gebeten.

Datensatz laden

Um eine, für das Quiz aufbereitete und gekürzte Fassung der Daten zu laden, können Sie das folgende Skript ausführen (Anmerkung: sollten Sie das Paket haven noch nicht installiert haben, wird dieses durch das Ausführen dieses Skripts installiert):

source("https://pandar.netlify.app/daten/Data_Processing_fall.R")

Größe

Der Datensatz besteht aus 52 Beobachtungen auf 11 Variablen.

Variablen

Der Datensatz enthält folgende Variablen:

Fehlende Werte

Es liegen fehlende Werte in einzelnen Studien vor.

Auftreten

fall wird in Daten für die Quizze [Klipps] genutzt.

Lesekompetenz in der PISA-Erhebung (PISA2009)

Beschreibung

Der Beispieldatensatz enthält Daten zur Lesekompetenz aus der deutschen Stichprobe der PISA-Erhebung in Deutschland 2009. Im Datensatz sind viele Variablen der pädagogischen Forschung enthalten, die im Folgenden erklärt werden.

Datensatz laden

load(url("https://pandar.netlify.app/daten/PISA2009.rda"))

Größe

Der Datensatz besteht aus 150 Beobachtungen auf 15 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Auftreten

PISA2009 wird in Regression IV: quadratische und moderierte Regression [Statistik II] genutzt.

Machiavellismus-Fragebogen (mach)

Beschreibung

Die hier verwendeten Daten stammen aus dem “Open-Source Psychometrics Project”, einer Online-Plattform, die eine Sammlung an Daten aus verschiedensten Persönlichkeitstests zur Verfügung stellt. Wir haben bereits eine kleine Aufbereitung der Daten durchgeführt, damit wir leichter in die Analysen starten können. Auf der genannten Seite kann man Fragebögen selbst ausfüllen, und so zum Datenpool beitragen. Der hier verwendete Datensatz enthält Items aus einem Machiavellismus-Fragebogen, den Sie bei Interesse hier selbst ausfüllen können. Der Datensatz erhält viele Angaben zur Persönlichkeit und demografischen Daten. Kern ist aber der 20 Items umfassende Machiavellismusfragebogen von Christie und Geis (1970) und daraus ableitbare 4-faktorielle Struktur des Konzepts (Corral & Calvete, 2000). Die Skalenwerte dieser vier Faktoren haben wir bereits im Datensatz angelegt.

Datensatz laden

load(url("https://pandar.netlify.app/daten/mach.rda"))

Größe

Der Datensatz besteht aus 65151 Beobachtungen auf 26 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Insgesamt liegen im Datensatz 19 fehlende Werte vor. Diese liegen ausschließlich auf der Variable familysize vor. Alle restlichen Variablen enthalten keine fehlenden Werte.

Auftreten

mach wird in Wiederholung von Grundlagen in R [Statistik II] und Grafiken mit ggplot2 - Übungen [Statistik II] genutzt.

Major Depression (data)

Beschreibung

Der Datensatz stammt aus einer Erhebung von Epskamp et al. (2018a), welche auf dem Open Science Framework zu finden ist. Die Daten befassen sich mit einer einzelnen Person. Dabei handelt es sich laut der Autor:innen um eine Person, die sich nach einer Major-Depression-Diagnose in der Behandlung befand. Die Fragen wurden von der teilnehmenden Person 5 Mal am Tag über 14 Tage hinweg ausgefüllt. Es wurden psychopathologische Symptome erfasst und untersucht, wie diese miteinander in Verbindung stehen könnten. Publiziert wurden die Ergebnisse der Studie in folgendem Paper:

Epskamp, S., van Borkulo, C. D., van der Veen, D. C., Servaas, M., Isvoranu, A.-M., Riese, H., & Cramer, A. O. J. (2020, September 21). Personalized Network Modeling in Psychopathology: The Importance of Contemporaneous and Temporal Connections. https://doi.org/10.17605/OSF.IO/C8WJZ

Datensatz laden

data <- read.csv(url("https://osf.io/g6ya4/download"))

Größe

Der Datensatz besteht aus 70 Beobachtungen auf 8 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen. Die untersuchte Person sollte bei jeder der folgenden Symptome angeben, inwiefern sie auf sie zutreffen.

Fehlende Werte

In dem Datensatz liegen 35 fehlende Werte vor. Folgende Variablen enthalten keine fehlenden Werte:

• time

Auftreten

Major Depression (data) wird in Dynamische Netzwerkanalyse [Klipps Legacy] genutzt.

Mehrdimensionaler Befindlichkeitsfragebogen (mdbf)

Beschreibung

Beim Datensatz handelt es sich um eine Erhebung, die 2017 an der Freien Universität Berlin durchgeführt wurde. Die Items stammten dabei aus dem Mehrdimensionalen Befindlichkeitsfragebogen von Steyer et al. (1997). In diesem Fragebogen werden Adjektive zur Beschreibung der aktuellen Stimmung genutzt, um die drei Dimensionen der Stimmung - Gut vs. Schlecht, Wach vs. Müde und Ruhig vs. Unruhig - zu erheben.

Datensatz laden

load(url("https://pandar.netlify.app/daten/mdbf.rda"))

Größe

Der Datensatz besteht aus 98 Beobachtungen auf 12 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

In der Spalte Dimension sehen wir, dass die Items 3 verschiedene Dimensionen abbilden: Gut vs. Schlecht, Wach vs. Müde und Ruhig vs. Unruhig. Die Items sind dabei unterschiedlich gepolt - die Adjektive “ausgeruht” und “schlapp” erfasst beide die Dimension Wach vs. Müde, jedoch in unterschiedlicher Ausrichtung.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Auftreten

mdbf wird in Funktionen und Loops - Übungen [Statistik II] genutzt.

Mental Health and Social Contact During the COVID-19 Pandemic (data)

Beschreibung

Beim Datensatz handelt es sich um längsschnittliche Daten bezüglich psychischer Gesundheit und sozialer Kontakte während der COVID-19-Pandemie. Die Datensatzaufbereitung (Fallreduktion, Detrending, Variablenauswahl, etc.) haben wir bereits für Sie erledigt. Die Daten wurden ursprünglich im Rahmen folgenden Papers erhoben und sind auf dem Open Science Framework zu finden:

Fried, E. I., Papanikolaou, F., & Epskamp, S. (2021). Mental Health and Social Contact During the COVID-19 Pandemic: An Ecological Momentary Assessment Study. Clinical Psychological Science. https://doi.org/10.1177/21677026211017839

Datensatz laden

source(url("https://pandar.netlify.app/daten/Data_Processing_Quiz4b.R"))

Sie erhalten einmal den Datensatz data und eine Aufzählung aller Variablen, die Knoten im Netzwerk sein sollen, mit rel_vars.

Größe

Der Datensatz besteht aus 70 Beobachtungen auf 8 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Im Datensatz liegen 42 fehlende Werte vor. Die folgenden Variablen enthalten keine fehlenden Werte:

• id
• day
• beep
• conc

Auftreten

Mental Health and Social Contact During the COVID-19 Pandemic (data) wird in Daten für die Quiz [Klipps Legacy] genutzt.

Naturverbundenheit (nature)

Beschreibung

Der Datensatz behandelt die Naturverbundenheit, welche anhand von 6 Items gemessen wurde. Weiterhin sind Informationen hinsichtlich des Wohnortes vorhanden.

Datensatz laden

load(url("https://pandar.netlify.app/daten/nature.rda"))

Größe

Der Datensatz besteht aus 490 Beobachtungen auf 8 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Auftreten

nature wird aktuell in keinem Beitrag genutzt.

Nerdiness (NerdData)

Beschreibung

Bei dem Datensatz handelt es sich eine gekürzte Version von Daten zur “Nerdy Personality Attributes Scale”, die auf der Open Psychometrics Website erfasst wurden

Datensatz laden

load(url("https://pandar.netlify.app/daten/NerdData.rda"))

Größe

Der Datensatz besteht aus 300 Beobachtungen auf 80 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht eines Teils der erhobenen Variablen und ihre Bedeutungen.

NPAS-Items

Ten Item Personality Inventory (TIPI) Items + “nerdy”

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

Auftreten

NerdData wird in Daten für die Übungen [Fue I] genutzt.

Parental Burnout (burnout)

Beschreibung

Die Daten stammen vom Open Science Framework und wurden im Rahmen dieses Papers erhoben:

Blanchard, M. A., Roskam, I., Mikolajczak, M., & Heeren, A. (2021). A network approach to parental burnout. Child Abuse & Neglect, 111, 104826. https://doi.org/10.1016/j.chiabu.2020.104826

In der Untersuchung wurden charakteristische Merkmale von Parental Burnout untersucht und anhand einer Netzwerkanalyse ihre Zusammenhänge untersucht.

Datensatz laden

burnout <- read.csv(file = url("https://osf.io/qev5n/download"))
burnout <- burnout[,2:8]

Größe

Der Datensatz besteht aus 1551 Beobachtungen auf 7 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der wichtigsten Variablen und ihre Bedeutungen.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Auftreten

burnout wird in Daten für die Quiz [Klipps Legacy], Inferenz und Modellauswahl in der multiplen Regression [Statistik II], Tag 02 [Refresher] und Grundlagen: Tag 02 [Refresher] genutzt.

Psychisches Wohlbefinden von Individuen während des Lockdowns in Frankreich (lockdown)

Beschreibung

Die Daten stammen aus einer Studie zum psychischen Wohlbefinden von Individuen während des pandemie-bedingten Lockdowns in Frankreich. Es handelt sich um hierarchische Daten mit Messzeitpunkten auf Ebene 1 und Individuen auf Ebene 2.

Datensatz laden

library(dplyr)
library(ICC)
library(lme4)
library(interactions)

# Daten einlesen und vorbereiten ----
lockdown <- read.csv(url("https://osf.io/dc6me/download"))

# Entfernen der Personen, für die weniger als zwei Messpunkte vorhanden sind
# (Auschluss von Fällen, deren ID nur einmal vorkommt)
lockdown <- lockdown[-which(lockdown$ID %in% names(which(table(lockdown$ID)==1))),] 

# Daten aufbereiten, Variablen auswählen extrahieren und in Nummern umwandeln
# Entfernen von Minderjährigen & unbestimmtes Gender mit den Funktionen filter() & select () aus dplyr.
lockdown <- lockdown %>%
  filter(Age > 18 & Gender == 1 | Gender == 2) %>%
  select(c("ID", "Wave", "Age", "Gender", "Income", "EWB","PWB","SWB",
           "IWB","E.threat","H.threat", "Optimism",
           "Self.efficacy","Hope","P.Wisdom","ST.Wisdom","Grat.being",
           "Grat.world","PD","Acc","Time","EWB.baseline","PWB.baseline",
           "SWB.baseline","IWB.baseline"))

# Standardisieren der AVs
lockdown[,c("EWB", "PWB", "SWB", "IWB")] <- scale(lockdown[,c("EWB", "PWB", "SWB", "IWB")])
# Standardisieren möglicher Prädiktoren
lockdown[,c("E.threat", "H.threat", "Optimism", "Self.efficacy", "Hope", "P.Wisdom", 
            "ST.Wisdom", "Grat.being", "Grat.world")] <-
  scale(lockdown[,c("E.threat", "H.threat", "Optimism", "Self.efficacy", "Hope", "P.Wisdom", 
            "ST.Wisdom", "Grat.being", "Grat.world")])

Größe

Der Datensatz besteht aus 2192 Beobachtungen auf 25 Variablen.

Variablen

In diesem Datensatz stehen die Daten eines Messzeitpunktes in je einer Zeile, d.h. die Daten einer Person stehen in mehreren Zeilen (diese Struktur wird oft auch als long format bezeichtet - im Kontrast zum wide format, bei dem die Daten jeder Person in einer Zeile in verschiedenen Variablen stehen). In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Auftreten

lockdown wird in Hierarchische Regression [Klipps Legacy] und Daten für die Quiz [Klipps Legacy] genutzt.

Quasi-Experimentelle Therapiestudie (CBTdata)

Beschreibung

Beim Datensatz handelt es sich um ein fiktives Datenbeispiel, bei dem Patient:innen, die an einer Depression oder einer Angststörung leiden, entweder mit einer kognitiven Verhaltenstherapie (CBT) behandelt oder in einer Wartekontrollgruppe belassen wurden. Eine zufällige Zuordnung war nicht vollständig möglich, da die Zuordnung von überweisenden Hausarzt-Praxen der Patient:innen mit beeinflusst werden konnte (z.B. durch Geltendmachung einer besonderen Dringlichkeit der Therapie).

Datensatz laden

load(url("https://pandar.netlify.app/daten/CBTdata.rda"))

Größe

Der Datensatz besteht aus 326 Beobachtungen auf 8 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der wichtigsten Variablen und ihre Bedeutungen.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Auftreten

CBTdata wird in Schätzung von Kausaleffekten 1 [Klipps Legacy] und Schätzung von Kausaleffekten 2 [Klipps Legacy] genutzt.

Schulleistungen (Schulleistungen)

Beschreibung

Der Datensatz erhält die Ergebnisse von 100 Schüler:innen, die einen Lese- (reading) und einen Mathematiktest (math) sowie einen allgemeinen Intelligenztest absolviert haben. Der Datensatz enthält zusätzlich die Variable female (0 = männlich, 1 = weiblich), die das Geschlecht der Schüler:innen angibt.

Datensatz laden

load(url("https://pandar.netlify.app/daten/Schulleistungen.rda"))

Größe

Der Datensatz besteht aus 100 Beobachtungen auf 4 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

Auftreten

Schulleistungen wird in Einleitung und Wiederholung [Fue I], Daten für die Übungen [Fue I], Regression und Ausreißerdiagnostik [Fue I], Moderierte Regression [Statistik II], Regressionsanalyse I [Statistik II], Regressionsanalyse II [Statistik II], Regressionsanalyse III [Statistik II] und Regression IV: quadratische und moderierte Regression [Statistik II] genutzt.

Skalenwerte der Generic Conspiracist Beliefs Scale (conspiracy)

Beschreibung

Die Daten stammen aus der Erhebung zur Validierung der Generic Conspiracist Beliefs Scale (GCBS; Brotherton, French, & Pickering, 2013). Die Daten finden Sie öffentlich zugänglich auf der Open Psychometrics Website. Der Fragebogen besteht aus insgesamt 15 Aussagen, die die Proband:innen jeweils von 1 (“definitely not true”) bis 5 (“definitely true”) hinsichtlich ihres Wahrheitsgehalts einschätzen sollen. Bei dieser Version des Datensatzes wurden die verschiedenen Items bereits zu Skalenwerten zusammengerechnet.

Datensatz laden

source("https://pandar.netlify.app/daten/Data_Processing_conspiracy.R")

Größe

Der Datensatz besteht aus 2451 Beobachtungen auf 9 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Auftreten

conspiracy wird in Einfaktorielle ANOVA [Statistik II] und Zweifaktorielle ANOVA [Statistik II] genutzt.

Students in Classes (StudentsInClasses)

Beschreibung

Bei dem Datensatz handelt es sich um ein fiktives Datenbeispiel mit Multilevel-Daten.

Datensatz laden

load(url("https://pandar.netlify.app/daten/StudentsInClasses.rda"))

Größe

Der Datensatz besteht aus 850 Beobachtungen auf 850, 1 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Ebene 1 (within)

Ebene 2 (between-level)

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

Auftreten

StudentsInClasses wird in Hierarchische Regression [Fue I] und Daten für die Übungen [Fue I] genutzt.

Therapieerfolg (Therapy)

Beschreibung

Beim Datensatz handelt es sich um ein fiktives Datenbeispiel mit simulierten Daten, in welchem der Therapieerfolg auf mehreren abhängigen Variablen untersucht werden sollen.

Datensatz laden

load(url("https://pandar.netlify.app/daten/Therapy.rda"))

Größe

Der Datensatz besteht aus 90 Beobachtungen auf 6 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

Auftreten

Therapy wird in Diskriminanzanalyse [Fue I] und Multivariate Varianzanalyse [Fue I] genutzt.

Titanic (Titanic)

Beschreibung

Bei dem Datensatz handelt es sich um ein reales Beispiel des Titanicunglücks, in welchem demografische Variablen der Personen erfasst wurden, die sich 1912 an Bord der Titanic befanden. Er ist öffentlich zugänglich auf Open-Daten-Soft zu finden. Der vollständige Datensatz kann hier angesehen werden.

Datensatz laden

load(url("https://pandar.netlify.app/daten/Titanic.rda"))

Größe

Der Datensatz besteht aus 714 Beobachtungen auf 4 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

Auftreten

Titanic wird in Logistische Regression [Fue I] genutzt.

Traumatische Erlebnisse und psychische Störungen (trauma)

Beschreibung

Die Daten stammen aus einer echten Untersuchung, deren Datensatz hier im Open Science Framework abgelegt ist. In dem Datensatz wurde bspw. erhoben, was für potenziell traumatischen Erlebnissen eine Person ausgesetzt war und zu welchem Grad mittels der Live Event Checklist (LEC). Weiterhin wurden die Depressionswerte anhand des Becks-Depression-Inventar (BDI) und die Anxiety-Werte durch die Zung Self-Rating Anxiety Scale (SAS) erhoben. Für unsere Berechnungen brauchen wir nur einen Ausschnitt der Vielzahl an Variablen. Diesen extrahieren wir aus dem originalen Datensatz und erstellen damit einen neuen. Da das Processing in diesem Fall sehr komplex ist, haben wir das für Sie übernommen.

Datensatz laden

source("https://pandar.netlify.app/daten/Data_Processing_Quiz1.R")

Größe

Der Datensatz besteht aus 470 Beobachtungen auf 11 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

Auftreten

trauma wird in Daten für die Quiz [Klipps Legacy] genutzt.

Trivia (trivia)

Die Daten stammen aus einer Erhebung von Fazio et al. (2022), in der über Teilnehmende einen zweiwöchigen Zeitraum wiederholt faktische Aussagen im Stil eines Quiz per Push-Benachrichtigung präsentiert wurden. Einige dieser Aussage waren wahr, einige waren falsch. Von den präsentierten Aussagen wurden zehn als Zielitems definiert und Teilnehmende wurden am Ende der zwei Wochen danach gefragt, ob diese Aussage wahr ist. Die Aussagen wurden Teilnehmenden unterschiedlich häufig präsentiert (1, 2, 4, 8 oder 16 mal). Ziel der Untersuchung war es, in einem Feldexperiment die aus Laborstudien bekannte Zusammenhangsform zwischen Wiederholungen und Einschätzung des Wahrheitsgehalts zu untersuchen. Die Daten wurden über das OSF bereitgestellt. Dort finden sich auch weitere Informationen zur Studie.

Datensatz laden

Der Datensatz wird in einem Skript reduziert und Variablen umbenannt. Dieses Skript kann mit folgendem Befehl ausgeführt werden:

source("https://pandar.netlify.app/daten/Data_Processing_trivia.R")

Im Environment erscheint dadurch der Datensatz trivia.

Größe

Der Datensatz besteht aus 4312 Beobachtungen auf 5 Variablen. Der Datensatz liegt im long-Format vor, mit zehn Beobachtungen (eine pro Aussage) für jede Person.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der ausgewählten Variablen und ihrer Bedeutungen.

Auftreten

trivia wird in Nichtlineare Regression [Statistik II] genutzt.

Vegan (vegan)

Im Datensatz ist ein Ausschnitt aus den Daten zu einer Validierungsstudie des “Vegetarian Eating Motives Inventory Plus (VEMI+)” von Hopwoods und Stahlmann (2024) enthalten. Die hier getroffene Auswahl beschränkt die Daten auf sechs Dimensionen der Skala, ein paar demografische Angaben und das selbst eingeschätzte Commitment zur veganen Ernährung (die Daten sind ausschließlich von Personen, die sich vegan ernähren). Mehr Informationen finden sich im dazugehörigen OSF Repo.

Datensatz laden

Der Datensatz wird in einem Skript reduziert und Variablen umbenannt. Dieses Skript kann mit folgendem Befehl ausgeführt werden:

source("https://pandar.netlify.app/daten/Data_Processing_vegan.R")

Im Environment erscheint dadruch der Datensatz vegan.

Größe

Der Datensatz besteht aus 987 Beobachtungen auf 10 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der ausgewählten Variablen und ihrer Bedeutungen. Die letzten sechs Skalen beziehen sich alle auf selbstberichtete Gründe für die vegane Ernährung (von 1 “nicht wichtig” bis 7 “sehr wichtig”).

Auftreten

vegan wird in Nichtlineare Regression [Statistik II] und Regressionsdiagnostik [Statistik II] genutzt.

Vergleich von Behandlungsformen (Behandlungsform)

Beschreibung

Der Datensatz enthält Ausprägungen von Patient:innen auf verschiedenen psychotherapeutischen Variablen sowie demografische Informationen. Dabei gibt es zwei kategoriale Variablen: Auf Geschlecht gibt es hier die Ausprägungen männlich und weiblich, während die Therapieform zwischen Kontrollgruppe, KVT und einer Kombination auf KVT und Blended Care unterscheidet. Alle anderen Variablen können als intervallskaliert angenommen werden.

Datensatz laden

load(url("https://pandar.netlify.app/daten/Behandlungsform.rda"))

Größe

Der Datensatz besteht aus 100 Beobachtungen auf 6 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Auftreten

Behandlungsform wird in Daten für die Quiz [Klipps Legacy] genutzt.

Xmas (Xmas)

Beschreibung

Bis zum 25.11.2020 konnten Studierende des Masterkurses MSc1 zu folgenden Weihnachtssongs einschätzen, wie gut diese Ihnen gefallen sowie Auskunft darüber geben, welche Aspekte der Weihnachtszeit ihnen besonders am Herzen liegen.

Datensatz laden

load(url("https://pandar.netlify.app/daten/Xmas.rda"))

Größe

Der Datensatz besteht aus 84 Beobachtungen auf 18 Variablen.

Variablen

In der folgenden Tabelle erfolgt eine Übersicht der erhobenen Variablen und ihre Bedeutungen.

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

Auftreten

Xmas wird in Daten für die Übungen [Fue I] genutzt.