[Courtesy of pxhere](https://pxhere.com/de/photo/126532)

Datensätze

Übersicht über alle verwendeten Datensätze auf pandaR

Zuletzt aktualisiert am 21. Apr.. 2024 Daten

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:

Beschreibung	Direkter Download
Achtsamkeit und Depression	OSF
Alkoholkonsum von Jugendlichen	`alc`
Arbeitsstress bei Call-Center-Mitarbeiter:innen	`StressAtWork`
Vergleich von Behandlungsformen	`Behandlungsform`
Die Big Five Persönlichkeitsdimensionen	`Big5`
Interozeptive Aufmerksamkeit und Genauigkeit	OSF
Bildungsinvestitionen auf der Welt	`edu_exp`
Erfahrung in Beziehungen	`ecr`
Bullyingprävention bei Jugendlichen	`fairplayer`
Quasi-Experimentelle Therapiestudie	`CBTdata`
Depressivität	`Depression`
Distorted News	OSF
Effektivität der CBT bei Depression	Teil des Pakets `metafor`
Entwicklung der Weltbevölkerung	`WorldPopulation`
Fragebogendaten aus dem ersten Semester 22	`fb22`
Fragebogendaten aus dem ersten Semester 23	`fb23`
Gender, Drug, and Depression	OSF
Skalenwerte der Generic Conspiracist Beliefs Scale	`conspiracy`
Items der Generic Conspiracist Beliefs Scale)	`conspiracy_cfa`
Gewissenhaftigkeit und Medikamenteneinnahme	Teil des Pakets `metafor`
Internetintervention für psychische Störungen	OSF
Kooperationsbereitschaft von Geschwistern	via Syntax erstellt
Machiavellismus-Fragebogen	`mach`
Major Depression	OSF
Mehrdimensionaler Befindlichkeitsfragebogen	`mdbf`
Mental Health and Social Contact During the COVID-19 Pandemic	OSF
Naturverbundenheit	`nature`
Lesekompetenz in der PISA-Erhebung	`PISA2009`
Parental Burnout	OSF
Hauptkomponentenanalyse	`PCA`
Psychisches Wohlbefinden von Individuen während des Lockdowns in Frankreich	OSF
Kulturelle Unterschiede in Korruptionsbestrafung	OSF
Schulleistungen	`Schulleistungen`
Therapieerfolg	`Therapy`
Titanic	`Titanic`
Traumatische Erlebnisse und psychische Störungen	OSF
Einstellungsentscheidungen	`Assessment`
Nerdiness	`NerdData`
Students in Classes	`StudentsInClasses`
Xmas	`Xmas`

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.

Auf pandaR wird der Datensatz in dem Tutorial Netzwerkanalyse im Querschnitt für PsyMSc5a verwendet.

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.

Variable	Inhalt	Kodierung
`observe`	Wahrnehmen	1 = Nie oder selten zutreffend, 5 = Sehr oft oder immer zutreffend
`describe`	Beschreiben	1 = Nie oder selten zutreffend, 5 = Sehr oft oder immer zutreffend
`awaren.`	Bewusst handeln	1 = Nie oder selten zutreffend, 5 = Sehr oft oder immer zutreffend
`nonjudg.`	Nichturteilen	1 = Nie oder selten zutreffend, 5 = Sehr oft oder immer zutreffend
`nonreact.`	Nichtreagieren	1 = Nie oder selten zutreffend, 5 = Sehr oft oder immer zutreffend
`interest`	Interessensverlust	standardisierter Skalenwert
`emotions`	anhaltende gedrückte Stimmung	standardisierter Skalenwert
`sleep`	Schlaflosigkeit	standardisierter Skalenwert
`tired`	Müdigkeit	standardisierter Skalenwert
`appetite`	Appetitstörung	standardisierter Skalenwert
`selfim.`	negatives Selbstbild	standardisierter Skalenwert
`concentr.`	Konzentrationsschwierigkeiten	standardisierter Skalenwert
`speed`	Hemmung von Antrieb und Denken	standardisierter Skalenwert

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.

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.

Auf pandaR wird der Datensatz in dem Tutorial ANOVA III und Quiz 6 für PsyBsc7 verwendet.

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.

Variable	Bedeutung	Kodierung
`id`	Personenidentifikator	Nummer
`male`	Geschlecht	0 = weiblich, 1 = männlich
`peer`	berichtetes Ausmaß, in dem Peers Alkohol konsumieren	0 = keine, 5 = alle
`coa`	Kind eines/einer Alkoholiker:in (“child of alcoholic”)	0 = nein, 1 = ja
`alcuse.14`	selbstberichtete Häufigkeit, mit der Alkohol im Alter von 14 Jahren konsumiert wird	0 = nie, 7 = täglich
`alcuse.15`	selbstberichtete Häufigkeit, mit der Alkohol im Alter von 15 Jahren konsumiert wird	0 = nie, 7 = täglich
`alcuse.16`	selbstberichtete Häufigkeit, mit der Alkohol im Alter von 16 Jahren konsumiert wird	0 = nie, 7 = täglich

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

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.

Variable	Bedeutung	Kodierung
`alcuse.17`	selbstberichtete Häufigkeit, mit der Alkohol im Alter von 17 Jahren konsumiert wird	0 = nie, 7 = täglich
`treat`	Behandlung	0 = nein, 1 = ja
`alcuse.18`	selbstberichtete Häufigkeit, mit der Alkohol im Alter von 18 Jahren konsumiert wird	0 = nie, 7 = täglich

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).

Auf pandaR wird der Datensatz in den Tutorials Pfadanalysen und Strukturgleichungsmodelle und Modelle für Gruppenvergleiche für PsyMSc1 verwendet.

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.

Variable	Bedeutung	Kodierung
`sex`	Geschlecht der Proband:innen	1 = weiblich, 2 = männlich
`zd1`, `zd2` & `zd6`	Zeitdruck	1 = Trifft nicht zu, 5 = Trifft voll und ganz zu
`aop3`, `aop4` & `aop8`	Arbeitsorganisationale Probleme	1 = Trifft nicht zu, 5 = Trifft voll und ganz zu
`bf1`-`bf20`	Psychosomatische Beschwerden	1 = Trifft nicht zu, 5 = Trifft voll und ganz zu
`bo1`, `bo6`, `b19` & `b12`	Emotionale Erschöpfung	1 = Trifft nicht zu, 7 = Trifft voll und ganz zu
`bo7`, `bo8`& `bo21`	Leistungserfüllung	1 = Trifft nicht zu, 7 = Trifft voll und ganz zu

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

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.

Auf pandaR wird der Datensatz in dem Quiz 5 für PsyBsc7 und in Block 1 der Quizze für PsyMSc5a verwendet.

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.

Variable	Kodierung
`Depression`	Skalenwert
`Therapeutische_Allianz`	Skalenwert
`Gesundheitszustand`	Skalenwert
`Interpersonelle_Probleme`	Skalenwert
`Therapieform`	1 = Kontrolle, 2 = KVT, 3 = blended Care KVT
`Geschlecht`	1 = männlich, 2 = weiblich

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Die Big Five Persönlichkeitsdimensionen `Big5`

Beschreibung

Der Originaldatensatz ist ein Onlinedatensatz, wird seit 2012 erfasst und ist auf <svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:currentColor;overflow:visible;position:relative;"><path d="M288 32c0-17.7-14.3-32-32-32s-32 14.3-32 32V274.7l-73.4-73.4c-12.5-12.5-32.8-12.5-45.3 0s-12.5 32.8 0 45.3l128 128c12.5 12.5 32.8 12.5 45.3 0l128-128c12.5-12.5 12.5-32.8 0-45.3s-32.8-12.5-45.3 0L288 274.7V32zM64 352c-35.3 0-64 28.7-64 64v32c0 35.3 28.7 64 64 64H448c35.3 0 64-28.7 64-64V416c0-35.3-28.7-64-64-64H346.5l-45.3 45.3c-25 25-65.5 25-90.5 0L165.5 352H64zm368 56a24 24 0 1 1 0 48 24 24 0 1 1 0-48z"/></svg>{=html} 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.

Auf pandaR wird der Datensatz in dem Tutorial Exploratorische Faktorenanalyse für PsyMSc1 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.

Variable	Itemwortlaut
`E1`	“I am the life of the party.”
`E2`	“I don’t talk a lot.”
`E3`	“I feel comfortable around people.”
`N1`	“I get stressed out easily.”
`N2`	“I am relaxed most of the time.”
`N3`	“I worry about things.”
`A1`	“I feel little concern for others.”
`A2`	“I am interested in people.”
`A3`	“I insult people.”
`C1`	“I am always prepared.”
`C2`	“I leave my belongings around.”
`C3`	“I pay attention to details.”
`O1`	“I have a rich vocabulary.”
`O2`	“I have difficulty understanding abstract ideas.”
`O3`	“I have a vivid imagination.”

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

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.

Auf pandaR wird der Datensatz in dem Tutorial Regression mit nominalskalierten Prädiktoren für PsyBSc7 verwendet.

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.

Variable	Inhalt	Kodierung
`id`	Probanden-ID
`Age`	Alter	Alter in Jahren
`Sex`	Geschlecht	0 = weiblich, 1 = männlich
`Nationality`	Nationalität	0 = andere, 1 = Portugiesisch
`PortugueseFirstLanguage`	Muttersprache	0 = andere, 1 = Portugiesisch
`EducationCategorical`	Höchster Bildungsabschluss	0 = kein Abschluss, 1 = Grundschule, 2 = mittlere Reife, 3 = Abitur/High School, 4 = Bachelor, 5 = Master, 6 = Doktorgrad
`EducationYears`	Jahre im Bildungssystem
`Student`	Schülerin oder Studentin?	0 = nein, 1 = ja
`Employed`	Angestelltenverhältnis?	0 = nein, 1 = ja
`Unemployed`	Arbeitslos?	0 = nein, 1 = ja
`StayAtHome`	Hausfrau/-mann?	0 = nein, 1 = ja
`Retired`	Im Ruhestand?	0 = nein, 1 = ja
`OccupationalStatusOther`	Anderes Beschäftigungsverhältnis?	0 = nein, 1 = ja
`UniversityStudent`	Student*in?	0 = nein, 1 = ja ( fehlerhafte Kopie der Variable `Student` )
`PsychiatricHistory`	Psychische Störung in der Vergangenheit?	0 = nein, 1 = ja
`NeurologicalHistory`	Neurologische Störung in der Vergangenheit?	0 = nein, 1 = ja
`ChronicCondition`	Chronische Krankheiten?	0 = nein, 1 = ja
`Medication`	Aktuell Medikamenteneinnahme?	0 = nein, 1 = ja
`Device`	Gerät an dem Fragebogen ausgefüllt wird	0 = Computer, 1 = Smartphone, 2 = Tablet, 3 = anderes
`IAS_TotalScore`	Interoceptive Accuracy Scale	Skalenwert
`IAS_TotalScore_Retest`	Interoceptive Accuracy Scale, 2. Erhebung	Skalenwert
`BPQ_BodyAwareness`	Body Perception Questionnaire, Aufmerksamkeits-Dimension	Skalenwert
`BPQ_BodyAwareness_Retest`	Body Perception Questionnaire, Aufmerksamkeits-Dimension, 2. Erhebung	Skalenwert
`BPQ_AutonomicReactivity`	Body Perception Questionnaire, Reaktivitäts-Dimension	Skalenwert
`BPQ_AutonomicReactivity_Retest`	Body Perception Questionnaire, Reaktivitäts-Dimension, 2. Erhebung	Skalenwert
`BPQ_Time_Retest`	Zeit um BPQ auszufüllen, 2. Erhebung	in Sekunden
`IAS_Time_Retest`	Zeit um IAS auszufüllen, 2. Erhebung	in Sekunden

Fehlende Werte

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

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.

Auf pandaR wird der Datensatz für den DigiGEBF Workshop ggplotting und in dem Tutorial Grafiken mit ggplot2 für PsyBSc7 verwendet.

Datensatz laden

load(url('https://pandar.netlify.com/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.

Variable	Inhalt
`geo`	Länderkürzel, das zur Identifikation der Länder über verschiedene Datenquellen hinweg genutzt wird
`Country`	der Ländername im Englischen
`Wealth`	Wohlstandseinschätzung des Landes, unterteilt in fünf Gruppen
`Region`	Einteilung der Länder in die vier groben Regionen `africa`, `americas`, `asia` und `europe`
`Year`	Jahreszahl
`Population`	Bevölkerung
`Expectancy`	Lebenserwartung eines Neugeborenen, sollten die Lebensumstände stabil bleiben
`Income`	Stetiger Wohlstandsindikator für das Land (GDP pro Person)
`Primary`	Staatliche Ausgaben pro Schüler:in in der primären Bildung als Prozent des `income` (GDP pro Person)
`Secondary`	Staatliche Ausgaben pro Schüler:in in der sekundären Bildung als Prozent des `income` (GDP pro Person)
`Tertiary`	Staatliche Ausgaben pro Schüler:in oder Student:in in der tertiären Bildung als Prozent des `income` (GDP pro Person)
`Index`	Education Index des United Nations Development Programme

Fehlende Werte

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

geo
Country
Wealth
Region
Year
Population

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.

Variable	Inhalt	Kodierung
`gender`	Geschlecht	1 = male, 2 = female, 3 = nonbinare
`age`	Alter
`Q1`	I prefer not to show a partner how I feel deep down.	1 = strongly disagree; 5 = strongly agree
`Q2`	I worry about being abandoned.	1 = strongly disagree; 5 = strongly agree
`Q3`	I am very comfortable being close to romantic partners.	1 = strongly disagree; 5 = strongly agree
`Q4`	I worry a lot about my relationships.	1 = strongly disagree; 5 = strongly agree
`Q5`	Just when my partner starts to get close to me I find myself pulling away.	1 = strongly disagree; 5 = strongly agree
`Q6`	I worry that romantic partners wont care about me as much as I care about them.	1 = strongly disagree; 5 = strongly agree
`Q7`	I get uncomfortable when a romantic partner wants to be very close.	1 = strongly disagree; 5 = strongly agree
`Q8`	I worry a fair amount about losing my partner.	1 = strongly disagree; 5 = strongly agree
`Q9`	I don’t feel comfortable opening up to romantic partners.	1 = strongly disagree; 5 = strongly agree
`Q10`	I often wish that my partner’s feelings for me were as strong as my feelings for him/her.	1 = strongly disagree; 5 = strongly agree
`Q11`	I want to get close to my partner, but I keep pulling back.	1 = strongly disagree; 5 = strongly agree
`Q12`	I often want to merge completely with romantic partners, and this sometimes scares them away.	1 = strongly disagree; 5 = strongly agree
`Q13`	I am nervous when partners get too close to me.	1 = strongly disagree; 5 = strongly agree
`Q14`	I worry about being alone.	1 = strongly disagree; 5 = strongly agree
`Q15`	I feel comfortable sharing my private thoughts and feelings with my partner.	1 = strongly disagree; 5 = strongly agree
`Q16`	My desire to be very close sometimes scares people away.	1 = strongly disagree; 5 = strongly agree
`Q17`	I try to avoid getting too close to my partner.	1 = strongly disagree; 5 = strongly agree
`Q18`	I need a lot of reassurance that I am loved by my partner.	1 = strongly disagree; 5 = strongly agree
`Q19`	I find it relatively easy to get close to my partner.	1 = strongly disagree; 5 = strongly agree
`Q20`	Sometimes I feel that I force my partners to show more feeling, more commitment.	1 = strongly disagree; 5 = strongly agree
`Q21`	I find it difficult to allow myself to depend on romantic partners.	1 = strongly disagree; 5 = strongly agree
`Q22`	I do not often worry about being abandoned.	1 = strongly disagree; 5 = strongly agree
`Q23`	I prefer not to be too close to romantic partners.	1 = strongly disagree; 5 = strongly agree
`Q24`	If I can’t get my partner to show interest in me, I get upset or angry.	1 = strongly disagree; 5 = strongly agree
`Q25`	I tell my partner just about everything.	1 = strongly disagree; 5 = strongly agree
`Q26`	I find that my partner(s) don’t want to get as close as I would like.	1 = strongly disagree; 5 = strongly agree
`Q27`	I usually discuss my problems and concerns with my partner.	1 = strongly disagree; 5 = strongly agree
`Q28`	When I’m not involved in a relationship, I feel somewhat anxious and insecure.	1 = strongly disagree; 5 = strongly agree
`Q29`	I feel comfortable depending on romantic partners.	1 = strongly disagree; 5 = strongly agree
`Q30`	I get frustrated when my partner is not around as much as I would like.	1 = strongly disagree; 5 = strongly agree
`Q31`	I don’t mind asking romantic partners for comfort, advice, or help.	1 = strongly disagree; 5 = strongly agree
`Q32`	I get frustrated if romantic partners are not available when I need them.	1 = strongly disagree; 5 = strongly agree
`Q33`	It helps to turn to my romantic partner in times of need.	1 = strongly disagree; 5 = strongly agree
`Q34`	When romantic partners disapprove of me, I feel really bad about myself.	1 = strongly disagree; 5 = strongly agree
`Q35`	I turn to my partner for many things, including comfort and reassurance.	1 = strongly disagree; 5 = strongly agree
`Q36`	I resent it when my partner spends time away from me.	1 = strongly disagree; 5 = strongly agree

Fehlende Werte

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

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.

Auf pandaR wird der Datensatz in dem Tutorial Einführung in lavaan für PsyMSc1 verwendet.

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.

Variable	Inhalt	Kodierung
`id`	Personenidentifikator	Nummerierung
`class`	Klasse	Zahl
`grp`	Interventionsgruppe	1 = CG, 2 = IGS, 3 = IGL
`sex`	Geschlecht	1 = weiblich, 2 = männlich
`ra1t1`-`ra1t3`	1. Item zur relationalen Aggression zu drei Messzeitpunkten	1 = trifft nicht zu, 5 = trifft voll und ganz zu
`ra2t1`-`ra2t3`	2. Item zur relationalen Aggression zu drei Messzeitpunkten	1 = trifft nicht zu, 5 = trifft voll und ganz zu
`ra3t1`-`ra3t3`	3. Item zur relationalen Aggression zu drei Messzeitpunkten	1 = trifft nicht zu, 5 = trifft voll und ganz zu
`em1t1`-`em1t3`	1. Item zur Empathie zu drei Messzeitpunkten	1 = trifft nicht zu, 5 = trifft voll und ganz zu
`em2t1`-`em2t3`	2. Item zur Empathie zu drei Messzeitpunkten	1 = trifft nicht zu, 5 = trifft voll und ganz zu
`em3t1`-`em3t3`	3. Item zur Empathie zu drei Messzeitpunkten	1 = trifft nicht zu, 5 = trifft voll und ganz zu
`si1t1`-`si1t3`	1. Item zur Sozialen Intelligenz zu drei Messzeitpunkten	1 = trifft nicht zu, 5 = trifft voll und ganz zu
`si2t1`-`si2t3`	2. Item zur Sozialen Intelligenz zu drei Messzeitpunkten	1 = trifft nicht zu, 5 = trifft voll und ganz zu
`si3t1`-`si3t3`	3. Item zur Sozialen Intelligenz zu drei Messzeitpunkten	1 = trifft nicht zu, 5 = trifft voll und ganz zu

Fehlende Werte

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

id

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).

Auf pandaR wird der Datensatz in dem Tutorial Schätzung von Kausaleffekten 1 und Schätzung von Kausaleffekten 2 für PsyMSc5a verwendet.

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.

Variable	Inhalt	Kodierung
`Age`	Alter	Alter
`Gender`	Geschlecht	female = weiblich, male = männlich
`Treatment`	Behandlungsgruppenzugehörigkeit	CBT = kognitive Verhaltenstherapie, WL = Wartekontrolle
`Disorder`	psychische Störung	ANX = Angststörung, DEP = Depression
`BDI_pre`	Depressionswert gemessen mit Beck Depressions-Inventar vor Therapie	0 - 63
`SWL_pre`	Lebenszufriedenheit gemessen mit Satisfaction With Life Screening vor Therapie	5 - 35
`BDI_post`	Depressionswert gemessen mit Beck Depressions-Inventar nach Therapie	0 - 63
`SWL_post`	Lebenszufriedenheit gemessen mit Satisfaction With Life Screening nach Therapie	5 - 35

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Depressivität `Depression`

Beschreibung

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

Auf pandaR wird der Datensatz in den Tutorials Einleitung und Wiederholung KliPPs und Multiple Regression und Ausreißerdiagnostik für PsyMSc5a verwendet.

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.

Variable	Kodierung
`Lebenszufriedenheit`	1 - 10
`Episodenanzahl`	1 - 10
`Depressivitaet`	1 - 10
`Neurotizismus`	1 - 10
`Intervention`	1 = Kontrollgruppe, 2 = verhaltenstherapiebasiertes Coaching, 3 = verhaltenstherapiebasiertes Coaching inklusive Gruppenübung
`Geschlecht`	0 = männlich, 1 = weiblich

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

Distorted News

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.

Variable	Bedeutung	Kodierung
`id`	Teilnehmer:innen-ID
`sex`	Geschlecht	1 = weiblich, 2 = männlich, 3 = divers
`age`	Alter
`stud`	Student:innenstatus	0 = nein, 1 = ja
`east`	Wohnort in Ostdeutschland	0 = nein, 1 = ja
`state`	Bundesland
`type`	Artikeltyp	1 = verzerrt, 2 = neutral
`ideology`	Ideologie des Artikels	1 = links, 2 = rechts
`leaning`	Politische Tendenz	1 = extrem links, 5 = moderat, 9 = extrem rechts
`attitude`	Einstellung zum Politiker	Skalenwert
`attention`	Aufmerksamkeit für Politik	Skalenwert
`rwa`	Rechtsextreme Autoritarismus	Skalenwert
`cm`	Verschwörungsmentalität	Skalenwert
`credibility`	Glaubwürdigkeit des Artikels	Skalenwert
`perception`	Wahrnehmung des Politikers	Skalenwert
`threat`	Bedrohung durch Geflüchtete	Skalenwert
`marginal`	Gefühl der Marginalisierung	Skalenwert

Fehlende Werte

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

Effektivität der CBT bei Depression (`F2F_CBT`)

Beschreibung

Der Datensatz ist 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.

Auf pandaR wird der Datensatz in dem Tutorial Metaanalysen in R für PsyMSc5a verwendet.

Datensatz laden

library(metafor)

## Loading required package: Matrix

## Loading required package: metadat

## Loading required package: numDeriv

## 
## Loading the 'metafor' package (version 4.6-0). 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.

Variable	Bedeutung	Kodierung
`study`	verwendete Studie	Autor:innen
`treatment`	verwendete Therapieart oder Kontrollgruppe	“F2F CBT” = “Angesicht zu Angesicht”-CBT, “Multimedia CBT” = Online-CBT, “Placebo” = Placebo-Kontrollgruppe, “Wait list” = Wartelistenkontrollgruppe, “Hybrid CBT” = Mischung aus F2F und Multimedia, “No treatment” = klassische Kontrollgruppw, “TAU” = Treatment as Usual [Standardtherapie]
`scale`	Messinstrument Depression	BDI = Beck’s Depressionsinventar, HAM-24 = Hamilton Rating Scale for Depression-24, PHQ-9 = Patient Health Questionnaire-9, HAM-17 = Hamilton Rating Scale for Depression-17, CES-D = Center for Epidemiologic Studies Depression Scale, BSI = Brief Symptom Inventory, SDS = Sheehan Disability Scale
`n`	Stichprobengröße	n
`diff`	standardisierte Differenz zwischen vor und nach der Intervention	Cohen’s d
`se`	Standardfehler von `diff`	se
`group`	Dummy-Variable	0 = Einzeltherapie, 1 = Gruppentherapie
`tailored`	gibt an, ob die Therapie individuell auf Patient:in zugeschnitten wurde	0 = nein, 1 = ja
`sessions`	Anzahl der Therapiesitzungen	Anzahl
`length`	durchschnittliche Sitzungslänge	Länge
`intensity`	Intensität der Therapie	Produkt aus `session` und `length`
`multi`	Intervention enthielt Multimedia-Elemente	0 = nein, 1 = ja
`cog`	Intervention enthielt kognitive Techniken	0 = nein, 1 = ja
`ba`	Intervention enthielt behaviorale Aktivierung	0 = nein, 1 = ja
`psed`	Intervention enthielt Psychoedukation	0 = nein, 1 = ja
`home`	Intervention enthielt Hausaufgaben	0 = nein, 1 = ja
`prob`	Intervention enthielt Problemlösen	0 = nein, 1 = ja
`soc`	Intervention enthielt Training sozialer Kompetenzen	0 = nein, 1 = ja
`relax`	Intervention enthielt Entspannungstechniken	0 = nein, 1 = ja
`goal`	Intervention enthielt Zielsetzung	0 = nein, 1 = ja
`final`	Intervention enthielt Abschlussgespräch	0 = nein, 1 = ja
`mind`	Intervention enthielt Achtsamkeit	0 = nein, 1 = ja
`act`	Intervention enthielt Acceptance and Commitment Therapy	0 = nein, 1 = ja

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

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.

Auf pandaR wird der Datensatz in dem Tutorial Regression V und dem Zusatzquiz für nichtlineare Regression für PsyBsc7 verwendet.

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.

Variable	Bedeutung
`Year`	Jahreszahl
`Population`	Weltbevölkerung

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

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.

Auf pandaR wird die aktuelleste Version dieses Datensatzes in fast allen Tutorials von PsyBsc2 verwendet.

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.

Variable	Inhalt	Kodierung
`prok1` - `prok10`	Items zur Prokrastinationstendenz (Items 2,3,5,7 & 8 sind invertiert)	1 = “stimmt nicht”, 4 = “stimmt genau”
`nr1` - `nr6`	Items zur Naturverbundenheit	1 = stimme nicht zu, 5 = stimme zu
`lz`	Lebenszufriedenheit	Skalenwert
`extra`	Extraversion	Skalenwert
`vertr`	Verträglichkeit	Skalenwert
`gewis`	Gewissenhaftigkeit	Skalenwert
`neuro`	Neurotizismus	Skalenwert
`intel`	Intellekt	Skalenwert
`nerd`	Nerdiness Personality Attributes	Skalenwert
`grund`	Gründe für das Psychologiestudium	Freitext
`fach`	Interessenfach	1 = Allgemeine, 2 = Biologische, 3 = Entwicklung, 4 = Klinische, 5 = Diag./Meth.
`ziel`	Arbeitsbranche nach Abschluss	1 = Wirtschaft, 2 = Therapie, 3 = Forschung, 4 = Andere
`lerntyp`	Lerntyp	1 = alleine, 2 = Gruppe, 3 = Mischtyp
`geschl`	Geschlecht	1 = weiblich, 2 = männlich, 3 = anderes
`job`	Nebentätigkeit	1 = nein, 2 = ja
`ort`	Derzeitiger Wohnort	1 = Frankfurt, 2 = anderer
`ort12`	Wohnort vor 12 Monaten	1 = Hessen, 2 = Deutschland, 3 = Ausland
`wohnen`	Aktuelle Wohnsituation	1 = WG, 2 = bei Eltern, 3 = alleine, 4 = sonstiges
`uni1` - `uni4`	In Anspruch genommene Uni-Angebote	0 = nein, 1 = ja

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

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.

Auf pandaR wird die aktuelleste Version dieses Datensatzes in fast allen Tutorials von PsyBsc2 verwendet.

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.

Variable	Inhalt	Kodierung
`mdbf1` - `mdbf12`	Items zur aktuellen Stimmung	1 = stimmt nicht, 4 = stimmt genau
`lz`	Lebenszufriedenheit	Skalenwert
`extra`	Extraversion	Skalenwert
`vertr`	Verträglichkeit	Skalenwert
`gewis`	Gewissenhaftigkeit	Skalenwert
`neuro`	Neurotizismus	Skalenwert
`offen`	Offenheit für neue Erfahrungen	Skalenwert
`prok`	Prokrastinationstendenz	Skalenwert
`nerd`	Nerdiness Personality Attributes	Skalenwert
`grund`	Gründe für das Psychologiestudium	Freitext
`fach`	Interessenfach	1 = Allgemeine, 2 = Biologische, 3 = Entwicklung, 4 = Klinische, 5 = Diag./Meth.
`ziel`	Arbeitsbranche nach Abschluss	1 = Wirtschaft, 2 = Therapie, 3 = Forschung, 4 = Andere
`wissen`	Interesse an wissenschaftlichen Grundlagen	1 = überhaupt nicht, 5 = sehr
`therap`	Interesse an anwendungsbezogenen Aspekten	1 = überhaupt nicht, 5 = sehr
`lerntyp`	Lerntyp	1 = alleine, 2 = Gruppe, 3 = Mischtyp
`hand`	Schreibhand	1 = links, 2 = rechts
`job`	Nebentätigkeit	1 = nein, 2 = ja
`ort`	Derzeitiger Wohnort	1 = Frankfurt, 2 = anderer
`ort12`	Wohnort vor 12 Monaten	1 = Hessen, 2 = Deutschland, 3 = Ausland
`wohnen`	Aktuelle Wohnsituation	1 = WG, 2 = bei Eltern, 3 = alleine, 4 = sonstiges
`uni1` - `uni4`	In Anspruch genommene Uni-Angebote (Studienberatung, Orientierungswoche, Uniparties, Unisport)	0 = nein, 1 = ja
`attent_pre`	Gewissenhafte Beantwortung (1. Befragung)	1 = überhaupt nicht, 6 = voll und ganz
`gs_post`	Gute vs. Schlechte Stimmung (2. Befragung)	Skalenwert
`wm_post`	Wach vs. Müde (2. Befragung)	Skalenwert
`ru_post`	Ruhig vs. Unruhig (2. Befragung)	Skalenwert
`attent_post`	Gewissenhafte Beantwortung (2. Befragung)	1 = überhaupt nicht, 6 = voll und ganz

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

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.

Auf pandaR wird der Datensatz in dem Tutorial Logistische Regression für PsyMSc5a verwendet.

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.

Variable	Inhalt	Kodierung
`ANYDUMMY`	Drogenabhängigkeit	0 = nicht vorhanden, 1 = vorhanden
`GENDER_R`	Geschlecht	0 = weiblich, 1 = männlich
`Depression_lvl`	Depressionswert	0 - 9

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

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.

Auf pandaR wird der Datensatz in den Tutorials ANOVA I und ANOVA II für PsyBSc7 verwendet.

Datensatz laden

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

Größe

Der Datensatz besteht aus 2451 Beobachtungen auf 9 Variablen.

Variablen

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

Variable	Bedeutung	Kodierung
`edu`	höchster Bildungsabschluss	1 = not highschool, 2 = highschool, 3 = college
`urban`	Typ des Wohnortes	1 = rural, 2 = suburban, 3 = urban
`gender`	Geschlecht	1 = male, 2 = female, 3 = other
`age`	Alter	Freitext
`GM`	Government malfeasance	Skalenwert
`MG`	Malevolent global conspiracies	Skalenwert
`ET`	Extraterrestrial cover-up	Skalenwert
`PW`	Personal well-being	Skalenwert
`CI`	Control of information	Skalenwert

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Items der Generic Conspiracist Beliefs Scale (`conspiracy`)

Beschreibung

Auf pandaR wird der Datensatz in dem Tutorial Konfirmatorische Faktorenanalyse für PsyMSc1 verwendet.

Datensatz laden

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

Größe

Der Datensatz besteht aus 2451 Beobachtungen auf 9 Variablen.

Variablen

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

Variable	Bedeutung	Kodierung
`edu`	höchster Bildungsabschluss	1 = not highschool, 2 = highschool, 3 = college
`urban`	Typ des Wohnortes	1 = rural, 2 = suburban, 3 = urban
`gender`	Geschlecht	1 = male, 2 = female, 3 = other
`age`	Alter	Freitext

Variable	Facette	Itemwortlaut
`Q1`	`GM`	The government is involved in the murder of innocent citizens and/or well-known public figures, and keeps this a secret
`Q2`	`GC`	The power held by heads of state is second to that of small unknown groups who really control world politics
`Q3`	`EC`	Secret organizations communicate with extraterrestrials, but keep this fact from the public
`Q4`	`PW`	The spread of certain viruses and/or diseases is the result of the deliberate, concealed efforts of some organization
`Q5`	`CI`	Groups of scientists manipulate, fabricate, or suppress evidence in order to deceive the public
`Q6`	`GM`	The government permits or perpetrates acts of terrorism on its own soil, disguising its involvement
`Q7`	`GC`	A small, secret group of people is responsible for making all major world decisions, such as going to war
`Q8`	`EC`	Evidence of alien contact is being concealed from the public
`Q9`	`PW`	Technology with mind-control capacities is used on people without their knowledge
`Q10`	`CI`	New and advanced technology which would harm current industry is being suppressed
`Q11`	`GM`	The government uses people as patsies to hide its involvement in criminal activity
`Q12`	`GC`	Certain significant events have been the result of the activity of a small group who secretly manipulate world events
`Q13`	`EC`	Some UFO sightings and rumors are planned or staged in order to distract the public from real alien contact
`Q14`	`PW`	Experiments involving new drugs or technologies are routinely carried out on the public without their knowledge or consent
`Q15`	`CI`	A lot of important information is deliberately concealed from the public out of self-interest

Fehlende Werte

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

edu
age
Q10

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

Auf pandaR wird der Datensatz in dem Tutorial Metaanalysen in R und Block 4 der Quizze für PsyMSc5a verwendet.

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.

Variable	Bedeutung	Kodierung
`authors`	Autor:innen der Studie	Skalenwert
`year`	Jahr der Veröffentlichung	Jahreszahl
`ni`	Stichprobengröße	n
`ri`	Korrelationskoeffizient	r
`controls`	Kontrollgruppe	none = nicht vorhanden, multiple = mehrere Gruppen vorhanden
`design`	Studiendesign	prospective = Prospektive Studie, cross-sectional = Querschnittstudie
`a_measure`	Methodik zur Messung der medication adherence (Medikamenteneinnahme)	self-report = Selbstbericht, other = andere
`c_measure`	Methodik zur Messung der conscientiousness (Gewissenhaftigkeit)	NEO = NEO-Persönlichkeits-Inventar, other = andere
`meanage`	Altersmittelwert der Stichprobe	Arithmetisches Mittel
`quality`	Qualitätsindex der Studie	0 - 4
`rel1`	Reliabilität Gewissenhaftigkeit	Reliabilitätskoeffizient
`rel2`	Reliabilität Condition	Reliabilitätskoeffizient

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

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.

Auf pandaR wird der Datensatz in den Tutorials ANOVA vs. Regression und ANCOVA und moderierte Regression für PsyMSc5a verwendet.

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.

Variable	Inhalt	Kodierung
`ID`	Personenidentifikator	Nummer
`group`	Gruppenzugehörigkeit	Treatment = Treatmentgruppe, Waitlist = Wartelistenkontrollgruppe
`stratum`	Krankheitsbild	ANX = Angststörung, DEP = Depression, SOM = somatische Belastungsstörung
`bsi_post`	Symptomschwere	0 - 212
`swls_post`	Satisfaction with Life Scale (Lebenszufriedenheit)	5 - 35
`pas_post`	Panic and Agoraphobia Screening (Panikstörung & Agoraphobie)	0 - 52

Fehlende Werte

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

ID
group
stratum

Kooperationsbereitschaft von Geschwistern (`dataKooperation`)

Beschreibung

Der Datensatz stammt aus Eid, Gollwitzer & Schmitt: “Statistik und Forschungsmethoden” (4. Auflage, S.370). Es wurde die Kooperationsbereitschaft von verschiedenen Geschwisterteilen innerhalb einer Familie erhoben. Die Paare bestehen hierbei aus beiden Geschwisterteilen, von denen jeweils die Kooperationsbereitschaft gemessen wurde.

Auf pandaR wird der Datensatz in dem Tutorial Tests für abhängige Stichproben für PsyBsc2 verwendet.

Datensatz laden

dataKooperation <- data.frame(Paar = 1:10, Juenger = c(0.49,0.25,0.51,0.55,0.35,0.54,0.24,0.49,0.38,0.50), Aelter = c(0.4,0.25,0.31,0.44,0.25,0.33,0.26,0.38,0.23,0.35))

Größe

Der Datensatz besteht aus 10 Beobachtungen auf 3 Variablen.

Variablen

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

Variable	Inhalt
`Paar`	Nummer des Geschwisterpaares
`Juenger`	Kooperationsbereitschaft des jüngeren Geschwisterteils
`Aelter`	Kooperationsbereitschaft des älteren Geschwisterteils

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

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.

Auf pandaR wird der Datensatz in dem Tutorial Wiederholung von Grundlagen in R und Quiz 1 für PsyBSc7 verwendet.

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.

Variable	Inhalt	Kodierung
`TIPI1` - `TIPI10`	Persönlichkeitseigenschaften	1 = “Stimme gar nicht zu”, 7 = “Stimme voll und ganz zu”
`education`	How much education have you completed?	1 = Less than High School, 2 = High School, 3 = University degree, 4 = Graduate degree
`urban`	What type of area did you live when you were a child?	1 = Rural (country side), 2 = Suburban, 3 = Urban (city, town)
`gender`	What is your gender?	1 = Male, 2 = Female, 3 = Other
`engnat`	Is English your native language?	1 = Yes, 2 = No
`age`	How many years old are you?	Freitext
`hand`	What hand do you use to write with?	1 = Left, 2 = Right, 3 = Both
`religion`	What is your religion?	1 = Agnostic, 2 = Atheist, 3 = Buddhist, 4 = Christian(Catholic), 5 = Christian(Mormon), 6 = Christian(Protestant), 7 = Christian(Other), 8 = Hindu, 9 = Jewish, 10 = Muslim, 11 = Sikh, 12 = Other
`orientation`	What is your sexual orientation?	1 = Heterosexual, 2 = Bisexual, 3 = Homosexual, 4 = Asexual, 5 = Other
`race`	What is your race?	1 = Asian, 2 = Arab, 3 = Black, 4 = Indigenous Australian, 5 = Native American, 6 = White/European, 7 = Other
`voted`	Have you voted in a national election in the past year?	1 = Yes, 2 = No
`married`	What is your marital status?	1 = Never married, 2 = Currently married, 3 = Previously married
`familysize`	Including you, how many children did your mother have?	Freitext
`nit`	Negative interpersonal tactics	Skalenwert
`pit`	Positive interpersonal tactics	Skalenwert
`cvhn`	Cynical view of human nature	Skalenwert
`pvhn`	Positive view of human nature	Skalenwert

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.

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

Auf pandaR wird der Datensatz in dem Tutorial Dynamische Netzwerkanalyse für PsyMSc5a verwendet.

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.

Variable	Inhalt	Kodierung
`relaxed`	entspannt	1 = Trifft überhaupt nicht zu, 7 = Trifft voll und ganz zu
`sad`	traurig	1 = Trifft überhaupt nicht zu, 7 = Trifft voll und ganz zu
`nervous`	nervös	1 = Trifft überhaupt nicht zu, 7 = Trifft voll und ganz zu
`concentration`	konzentriert	1 = Trifft überhaupt nicht zu, 7 = Trifft voll und ganz zu
`tired`	müde	1 = Trifft überhaupt nicht zu, 7 = Trifft voll und ganz zu
`rumination`	ruminierend	1 = Trifft überhaupt nicht zu, 7 = Trifft voll und ganz zu
`bodily.discomfort`	körperlich wohl	1 = Trifft überhaupt nicht zu, 7 = Trifft voll und ganz zu
`time`	Zeitpunkt der Erfassung	Datum & Uhrzeit

Fehlende Werte

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

time

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.

Auf pandaR wird der Datensatz in dem Tutorial Loops und Funktionen für PsyBsc7 verwendet.

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.

Variable	Adjektiv	Richtung	Dimension
`stim1`	zufrieden	positiv	Gut vs. Schlecht
`stim2`	ausgeruht	positiv	Wach vs. Müde
`stim3`	ruhelos	negativ	Ruhig vs. Unruhig
`stim4`	schlecht	negativ	Gut vs. Schlecht
`stim5`	schlapp	negativ	Wach vs. Müde
`stim6`	gelassen	positiv	Ruhig vs. Unruhig
`stim7`	müde	negativ	Wach vs. Müde
`stim8`	gut	positiv	Gut vs. Schlecht
`stim9`	unruhig	negativ	Ruhig vs. Unruhig
`stim10`	munter	positiv	Wach vs. Müde
`stim11`	unwohl	negativ	Gut vs. Schlecht
`stim12`	entspannt	positiv	Ruhig vs. Unruhig

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.

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

Auf pandaR wird der Datensatz Block 5b der Quizze für PsyMSc5a verwendet.

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.

Variable	Bedeutung	Kodierung
`id`	Personenidentifikator	10
`Relax`	I found it difficult to relax	1 - 5
`Irritable`	I felt (very) irritable	1 - 5
`Worry`	I was worried about different things	1 - 5
`Nervous`	I felt nervours, anxious, or on edge	1 - 5
`Future`	I felt that I had nothing to look forward	1 - 5
`Anhedonia`	I couldn’t seem to experience any positive feeling at all	1 - 5
`Tired`	I felt tired	1 - 5
`Alone`	I felt like I lack companionship, or that I am not close to people	1 - 5
`Social_offline`	I spent __ on meaningful, offline, social interaction	1 = 0 min, 2 = 1-15 min, 3 = 15-60 min, 4 = 1-2 hr, 5 = >2 hr
`Social_online`	I spent __ using social media to kill/pass the time	1 = 0 min, 2 = 1-15 min, 3 = 15-60 min, 4 = 1-2 hr, 5 = >2 hr
`Outdoors`	I spent __ outside (outdoors)	1 = 0 min, 2 = 1-15 min, 3 = 15-60 min, 4 = 1-2 hr, 5 = >2 hr
`C19_occupied`	I spent __ occupied with the coronavirus (e.g. watching news, thinking about it, talking to friends about it)	1 = 0 min, 2 = 1-15 min, 3 = 15-60 min, 4 = 1-2 hr, 5 = >2 hr
`C19_worry`	I spent __ thinking about my own health or that of my close friends and family members regarding the coronavirus	1 = 0 min, 2 = 1-15 min, 3 = 15-60 min, 4 = 1-2 hr, 5 = >2 hr
`Home`	I spent __ at home (including the home of parents/partner)	1 = 0 min, 2 = 1-15 min, 3 = 15-60 min, 4 = 1-2 hr, 5 = >2 hr
`day`	I was worried about different things	Tageszahl
`beep`	Benachrichtigung am jeweiligen Tag	0 - 3

Fehlende Werte

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

id
day
beep
conc

Naturverbundenheit (`nature`)

Beschreibung

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

Auf pandaR wird der Datensatz in dem Quiz 5 für PsyBsc7 verwendet.

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.

Variable	Bedeutung	Kodierung
`Q1A` - `Q6A`	Items zur Naturverbundenheit	Skalenwert
`urban`	Typ des Wohnortes	1 = rural, 2 = suburban, 3 = urban
`continent`	Kontinent des Wohnortes	1 = Americas, 2 = Europe

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

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.

Auf pandaR wird der Datensatz in dem Tutorial Regression IV: quadratische und moderierte Regression, Quiz 2 und Quiz 3 für PsyBSc7 verwendet.

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.

Variable	Bedeutung
`Grade`	Klassenstufe
`Age`	Alter in Jahren
`Female`	Geschlecht (0 = m, 1 = w)
`Reading`	Lesekompetenz
`JoyRead`	Lesefreude
`LearnMins`	Lernzeit in Minuten für Deutsch
`HISEI`	Sozialstatus (Highest International Socio-Economic Index of occupational status)
`CultPoss`	Fragebogen-Score für kulturelle Besitztümer zu Hause (z. B. klassische Literatur, Kunstwerke)
`Books`	Anzahl Bücher zu Hause
`TVs`	Anzahl Fernseher zu Hause
`Computers`	Anzahl Computer zu Hause
`Cars`	Anzahl Autos zu Hause
`MigHintergrund`	Migrationshintergrund (0 = beide Eltern in D geboren, 1 = min. 1 Elternteil im Ausland geboren)
`FatherEdu`	Bildungsabschluss des Vaters (International Standard Classification of Education)
`MotherEdu`	Bildungsabschluss der Mutter (International Standard Classification of Education)

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

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.

Auf pandaR wird der Datensatz in Block 5b der Quizze für PsyMSc5a verwendet.

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.

Variable	Bedeutung	Kodierung
`Exhaust`	Emotional exhaustion	0 - 48
`Distan`	Emotional distancing	0 - 48
`Ineffic`	Parental accomplishment and efficacy	0 - 36
`Neglect`	Neglectful behaviors toward children	17 - 136
`Violence`	Violent behaviors toward children	15 - 120
`PartEstrang`	Partner Estrangement	5 - 40
`PartConfl`	Conflicts with partner	2 - 14

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Hauptkomponentenanalyse (`PCA`)

Beschreibung

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

Auf pandaR wird der Datensatz in dem Tutorial Hauptkomponentenanalyse für PsyMSc1 verwendet.

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.

Variable	Kodierung
`x1`	Standardisierter Skalenwert
`x2`	Standardisierter Skalenwert
`x3`	Standardisierter Skalenwert
`x4`	Standardisierter Skalenwert
`x5`	Standardisierter Skalenwert
`x6`	Standardisierter Skalenwert
`y`	Standardisierter Skalenwert

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

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{target="_blank"}. Es handelt sich um hierarchische Daten mit Messzeitpunkten auf Ebene 1 und Individuen auf Ebene 2.

Auf pandaR wird der Datensatz in dem Tutorial Hierarchische Regression sowie in Block 3 der Quizze für PsyMSc5a verwendet.

Datensatz laden

library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

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.

Variable	Inhalt	Kodierung
`ID`	Personenidentifikator	ID
`Wave`	Erhebungswelle, zu der die Befragung erfolgt ist	0 - 5
`Gender`	Geschlecht	1 = männlich, 2 = weiblich
`Income`	Jährliches Einkommen
`EWB`	Emotional Well-Being	standardisierter Skalenwert
`PWB`	Psychological Well-Being	standardisierter Skalenwert
`SWB`	Social Well-Being	standardisierter Skalenwert
`E.threat`	Economic threat	standardisierter Skalenwert
`H.threat`	Health threat	standardisierter Skalenwert
`Optimism`	Optimismus	standardisierter Skalenwert
`Self.efficacy`	Selbstwirksamkeit	standardisierter Skalenwert
`Hope`	Hoffnung	standardisierter Skalenwert
`P.Wisdom`	Personal Wisdom	standardisierter Skalenwert
`ST.Wisdom`	Self-transcendent Wisdom	standardisierter Skalenwert
`Grat.being`	Gratitude of Being	standardisierter Skalenwert
`Grat.world`	Gratitude toward the World	standardisierter Skalenwert
`PD`	Peaceful disengagement	standardisierter Skalenwert
`Acc`	Akzeptanz	standardisierter Skalenwert
`Time`	Dauer, die sich eine Person zum jeweiligen Zeitpunkt bereits im Lockdown befindet	Zeit in Wochen
`EWB.baseline`	Baseline Emotional Well-Being	standardisierter Skalenwert
`PWB.baseline`	Baseline Psychological Well-Being	standardisierter Skalenwert
`SWB.baseline`	Baseline Social Well-Being	standardisierter Skalenwert

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

Kulturelle Unterschiede in Korruptionsbestrafung `punish`

Beschreibung

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

Auf pandaR wird der Datensatz in dem Tutorial Regression mit nominalskalierten Prädiktoren für PsyBSc7 verwendet.

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:

Variable	Inhalt	Kodierung
`country`	Land	1 = China, 2 = U.S
`bribe`	Ebene der beurteilten Bestechungssituation (experimentelle Kondition)
`age`	Alter in vier Kategorien	1 = 21 - 30, 2 = 31 - 40, 3 = 41 - 50, 4 = over 50
`gender`	Geschlecht	1 = female, 2 = male
`gains`	Gewinn durch Bestechung	Mittelwert über fünf Situationen (1 bis 10)
`difficult`	Schwierigkeit in der Umsetzung der Handlung, die durch Bestechung erwirkt werden soll	Mittelwert über fünf Situationen (1 bis 10)
`notice`	Wahrscheinlichkeit mit der Bestechung entdeckt wird	Mittelwert über fünf Situationen (1 bis 10)
`probable`	Wahrscheinlichkeit mit der es zur Bestrafung kommt	Mittelwert über fünf Situationen (1 bis 10)
`severe`	Schweregrad der erwarteten Bestrafung	Mittelwert über fünf Situationen (1 bis 10)

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.

`Schulleistungen`

Beschreibung

Auf pandaR wird der Datensatz in den Tutorials Partial- & Semipartialkorrelation, Regressionsanalyse I, Regressionsanalyse II und Regressionsanalyse III für PsyBSc7 sowie in den Tutorials Einleitung und Wiederholung und Regression und Ausreißerdiagnostik für PsyMSc1 verwendet.

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.

Variable	Inhalt	Kodierung
`female`	Geschlecht	0 = Männlich (Nein), 1 = Weiblich (Ja)
`IQ`	Intelligenzquotient	IQ-Wert
`reading`	Leseleistung	Skalenwert
`math`	Matheleistung	Skalenwert

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

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.

Auf pandaR wird der Datensatz in den Tutorials Multivariate Varianzanalyse und Diskriminanzanalyse für PsyMSc1 verwendet.

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.

Variable	Inhalt
`Lebenszufriedenheit`	Skalenwert
`Arbeitsbeanspruchung`	Skalenwert
`Depressivität`	Skalenwert
`Arbeitszufriedenheit`	Skalenwert
`Intervention`	1 = Kontrollgruppe, 2 = verhaltenstherapiebasiertes Coaching, 3 = verhaltenstherapiebasiertes Coaching inklusive Gruppenübung
`Geschlecht`	0 = männlich, 1 = weiblich

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

`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.

Auf pandaR wird der Datensatz in dem Tutorial Logistische Regressionsanalyse für PsyMSc1 verwendet.

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.

Variable	Inhalt
`survived`	gibt an, ob eine Person das Unglück überlebt hat
`pclass`	Klasse, in der die Person reiste (1. bis 3. Klasse)
`sex`	Geschlecht der Person (1 = weiblich, 2 = männlich)
`age`	Alter der Person

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

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.

Auf pandaR wird der Datensatz in Block 2 der Quizze für PsyMSc5a verwendet.

Datensatz laden

source(url("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.

Variable	Bedeutung	Kodierung
`gender`	Geschlecht	w = weiblich, m = männlich
`bdi`	Depressions-Werte	kumulierte Werte aus BDI
`bdi_group`	Gruppierung der BDI-Scores	1 = keine auffällige Symptomatik, 2 = milde bis moderate Symptome, 3 = moderate bis schwere Symptome, 4 = schwere Symptome
`sas`	Anxiety-Werte	kumulierte Werte aus SAS
`sas_group`	Gruppierung der SAS-Scores	1 = keine auffällige Symptomatik, 2 = milde bis moderate Symptome, 3 = moderate bis schwere Symptome, 4 = schwere Symptome
`future`	Einstellung gegenüber der Zukunft	Skalenwert: 5-Punkt-Likert-Skala
`past_neg`	Skala Past Negative des ZTPI	Skalenwert: 5-Punkt-Likert-Skala
`dissociation`	Gesamtwert der Dissociative Experiences Scale	Skalenwert: 11-Punkt-Likert-Skala
`sexual_assault`	Erfahrungen mit sexueller Gewalt	0 = vorhanden, 1 = nicht vorhanden
`trauma_exp_kind`	Art des Traumaerlebnisses	1 = keine Art eines Traumas erlebt, 2 = schwere Krankheiten, 3 = sexuelle Gewalt, 4 = schwere Unfälle, 5 = körperliche Gewalt, 6 = Krieg/Naturkatastrophen
`trauma_exp_form`	Form des Traumaerlebnisses	direct experience = als Opfer, indirect experience = als Zeug:in

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

Assessment

Beschreibung

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

Auf pandaR wird der Datensatz in den Übungsaufgaben für PsyMSc1 verwendet.

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.

Variable	Inhalt
`Hired`	gibt an, ob die jeweilige Person eingestellt wurde
`Age`	ist das Alter in Jahren
`Expertise`	ist die Expertise der jeweiligen Person als Selbsteinschätzung auf einer 7-stufigen Likert-Skala
`Party`	gibt die politische Orientierung der Person in 3 Abstufungen an (Elected, right, left)

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

Nerdiness

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

Auf pandaR wird der Datensatz in den Übungsaufgaben für PsyMSc1 verwendet.

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

Variable	Inhalt
`Q1`	I am interested in science.
`Q2`	I was in advanced classes.
`Q3`	I like to play RPGs. (Ex. D&D)
`Q4`	My appearance is not as important as my intelligence.
`Q5`	I collect books.
`Q6`	I prefer academic success to social success.
`Q7`	I watch science related shows.
`Q8`	I spend recreational time researching topics others might find dry or overly rigorous.
`Q9`	I like science fiction.
`Q10`	I would rather read a book than go to a party.
`Q11`	I am more comfortable with my hobbies than
`Q12`	I spend more time at the library than any other public place.
`Q13`	I would describe my smarts as bookish.
`Q14`	I like to read technology news reports.
`Q15`	I have started writing a novel.
`Q16`	I gravitate towards introspection.
`Q17`	I am more comfortable interacting online than in person.
`Q18`	I love to read challenging material.
`Q19`	I have played a lot of video games.
`Q20`	I was a very odd child.
`Q21`	I sometimes prefer fictional people to real ones.
`Q22`	I enjoy learning more than I need to.
`Q23`	I get excited about my ideas and research.
`Q24`	I am a strange person.
`Q25`	I care about super heroes.
`Q26`	I can be socially awkward at times.

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

Variable	Inhalt
`TIPI1`	Extraverted, enthusiastic.
`TIPI2`	Critical, quarrelsome.
`TIPI3`	Dependable, self-disciplined.
`TIPI4`	Anxious, easily upset.
`TIPI5`	Open to new experiences, complex.
`TIPI6`	Reserved, quiet.
`TIPI7`	Sympathetic, warm.
`TIPI8`	Disorganized, careless.
`TIPI9`	Calm, emotionally stable.
`TIPI10`	Conventional, uncreative.
`nerdy`	Nerdy.

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

Students in Classes

Beschreibung

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

Auf pandaR wird der Datensatz in den Übungsaufgaben für PsyMSc1 verwendet, sowie in der Hierarchischen Regression in PsyMsc1.

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)

Variable	Inhalt
`MatheL`	Mathematikleistung als AV
`Motivation`	Motivation der Schüler*innen als Prädiktor
`KFT`	Intelligenz der Schüler*innen als Prädiktor (Kognitiver Fähigkeitstest)

Ebene 2 (between-level)

Variable	Inhalt
`KlassenG`	Klassengröße als Prädiktor
`schulklasse`	Klassenzugehörigkeit als Gruppierungsvariable

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

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.

Auf pandaR wird der Datensatz in den Übungsaufgaben für PsyMSc1 verwendet.

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.

Variable	Beschreibung	Frage
`Song1`	“Oh Tannenbaum”	Wie gut gefallen Ihnen folgende X-Mas Songs?
`Song2`	“Jingle Bells”	Wie gut gefallen Ihnen folgende X-Mas Songs?
`Song3`	“Santa Baby” von z.B. Eartha Kitt	Wie gut gefallen Ihnen folgende X-Mas Songs?
`Song4`	“Feliz Navidad” von José Feliciano	Wie gut gefallen Ihnen folgende X-Mas Songs?
`Song5`	“Holz - Weihnachtslied” von 257ers	Wie gut gefallen Ihnen folgende X-Mas Songs?
`Song6`	“White Christmas” von Elvis Presley	Wie gut gefallen Ihnen folgende X-Mas Songs?
`Song7`	“Let it Go” von Idina Menzel (Frozen Soundtrack)	Wie gut gefallen Ihnen folgende X-Mas Songs?
`Song8`	“Rudolf the red nosed reindeer”	Wie gut gefallen Ihnen folgende X-Mas Songs?
`Song9`	Last Christmas" von Wham!	Wie gut gefallen Ihnen folgende X-Mas Songs?
`Song10`	“Oh Du Fröhliche”	Wie gut gefallen Ihnen folgende X-Mas Songs?
`Song11`	“Schneeflöckchen, Weißröckchen”	Wie gut gefallen Ihnen folgende X-Mas Songs?
`Song12`	“Christmas is all around” aus dem Film “Love Actually - Tatsächlich Liebe”	Wie gut gefallen Ihnen folgende X-Mas Songs?
`Song13`	“Driving home for Christmas” von Chris Rea	Wie gut gefallen Ihnen folgende X-Mas Songs?
`Song14`	“Lass jetzt los (Let it Go)” von Helene Fischer (Die Eiskönigin – Völlig unverfroren Soundtrack)	Wie gut gefallen Ihnen folgende X-Mas Songs?
`Y1`	Weihnachtsfeiertage	Wie sehr mögen Sie Weihnachten bzw. die Weihnachtszeit mit allem was dazugehört?
`Y2`	gesamte Weihnachtszeit	Wie sehr mögen Sie Weihnachten bzw. die Weihnachtszeit mit allem was dazugehört?
`Y3`	Weihnachtsferien	Wie sehr mögen Sie Weihnachten bzw. die Weihnachtszeit mit allem was dazugehört?
`Y4`	Winterzeit	Wie sehr mögen Sie Weihnachten bzw. die Weihnachtszeit mit allem was dazugehört?

Fehlende Werte

In dem Datensatz liegen keine fehlenden Werte vor.

Daten

Datensätze

Achtsamkeit und Depression (raw_data)

Beschreibung

Datensatz laden

Größe

Variablen

Fehlende Werte

Alkoholkonsum von Jugendlichen (alc)

Beschreibung

Datensatz laden

Größe

Variablen

Fehlende Werte

Erweiterung

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

Beschreibung

Datensatz laden

Größe

Variablen

Fehlende Werte

Vergleich von Behandlungsformen Behandlungsform

Beschreibung

Datensatz laden

Größe

Variablen

Fehlende Werte

Die Big Five Persönlichkeitsdimensionen Big5

Beschreibung

Datensatz laden

Größe

Variablen

Fehlende Werte

Interozeptive Aufmerksamkeit und Genauigkeit body

Beschreibung

Datensatz laden

Größe

Variablen

Fehlende Werte

Bildungsinvestitionen auf der Welt (edu_exp)

Beschreibung

Datensatz laden

Größe

Variablen

Fehlende Werte

Erfahrungen in Beziehungen (ecr)

Beschreibung

Datensatz laden

Größe

Variablen

Fehlende Werte

Bullyingprävention bei Jugendlichen (fairplayer)

Beschreibung

Datensatz laden

Größe

Variablen

Fehlende Werte

Quasi-Experimentelle Therapiestudie CBTdata

Beschreibung

Datensatz laden

Größe

Variablen

Fehlende Werte

Depressivität Depression

Beschreibung

Datensatz laden

Größe

Variablen

Fehlende Werte

Distorted News

Beschreibung

Datensatz laden

Größe

Variablen

Fehlende Werte

Effektivität der CBT bei Depression (F2F_CBT)

Beschreibung

Datensatz laden

Größe

Variablen

Fehlende Werte

Achtsamkeit und Depression (`raw_data`)

Alkoholkonsum von Jugendlichen (`alc`)

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

Vergleich von Behandlungsformen `Behandlungsform`

Die Big Five Persönlichkeitsdimensionen `Big5`

Interozeptive Aufmerksamkeit und Genauigkeit `body`

Bildungsinvestitionen auf der Welt (`edu_exp`)

Erfahrungen in Beziehungen (`ecr`)

Bullyingprävention bei Jugendlichen (`fairplayer`)

Quasi-Experimentelle Therapiestudie `CBTdata`

Depressivität `Depression`

Effektivität der CBT bei Depression (`F2F_CBT`)

Entwicklung der Weltbevölkerung (`WorldPopulation`)

Fragebogendaten aus dem ersten Semester `fb22`

Fragebogendaten aus dem ersten Semester `fb23`

Gender, Drug, and Depression (`osf`)

Skalenwerte der Generic Conspiracist Beliefs Scale (`conspiracy`)

Items der Generic Conspiracist Beliefs Scale (`conspiracy`)

Gewissenhaftigkeit und Medikamenteneinnahme (`data_combined`)

Internetintervention für psychische Störungen (`osf`)

Kooperationsbereitschaft von Geschwistern (`dataKooperation`)

Machiavellismus-Fragebogen (`mach`)

Major Depression (`data`)

Mehrdimensionaler Befindlichkeitsfragebogen (`mdbf`)