Datensätze

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.

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.

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/post/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.

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/post/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.

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/post/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.

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/post/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.

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.

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

Datensatz laden

load(url("https://pandar.netlify.app/post/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.

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.

Fehlende Werte

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

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/post/edu_exp.rda'))

Größe

Der Datensatz besteht aus 4137 Beobachtungen auf 12 Variablen.

Variablen

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

Fehlende Werte

Insgesamt liegen im Datensatz 8714 fehlende Werte vor. Folgende Variablen enthalten keine fehlenden Werte:

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

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/post/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

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/post/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.

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/post/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.

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 the 'metafor' package (version 3.8-1). 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

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/post/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.

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 Prokastinationstendenz, Naturverbundenheit, Persönlichkeit (gemessen an den Big5), dem Studium sowie demografische Daten.

Auf pandaR wird der Datensatz in fast allen Tutorials von PsyBsc2 verwendet.

Datensatz laden

load(url('https://pandar.netlify.app/post/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

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.

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

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/post/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.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

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.

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

Datensatz laden

load(url("https://pandar.netlify.app/post/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.

Fehlende Werte

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

• edu
• age
• Q10

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/post/preprocessing/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

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.

Fehlende Werte

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

• ID
• group
• stratum

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.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

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/post/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.

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.

Fehlende Werte

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

• time

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/post/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.

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/post/Preprocessing/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

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/post/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.

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/post/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.

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.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

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/post/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.

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.

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.

Fehlende Werte

Im Datensatz liegen keine fehlenden Werte vor.

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.

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/post/Preprocessing/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.

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/post/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.

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/post/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.

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/post/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.

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/post/Preprocessing/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.