Links & Literatur

Hier findet sich eine Auswahl überwiegend deutschsprachiger Veröffentlichungen. Sie eigenen sich zur Wiederholung oder Aneignung statistischen Grundlagenwissens sowie zur Ergänzung und Vertiefung der eigentlichen Inhalte des RLab – der Verwendung von R zur Datenanalyse.

Ergänzungen zu dieser subjektiven Auswahl sind willkommen und können gerne als Kommentar ans RLab-Team gesendet werden!

Statistik mit und ohne R

• Böhner, J. o.J. Statistik für Geographen. Oder: „Jetzt rechne ich selbst“. Skript zur Übung „Statistische Übungen für Anfänger“ am Geographischen Institut der Universität Göttingen (Als pdf in Statistik-Veranstaltungen am Inst. f. Geographie / Uni Hamburg erhältlich)
• Dormann, C.F. 2017. Parametrische Statistik. Springer Spektrum, Berlin Heidelberg (Buch als pdf für Angehörige einiger Hamburger Universitäten)
• Hatzinger, R., Hornik, K., Nagel, H., Maier, M.J. 2014. R: Einführung durch angewandte Statistik. Pearson, Hallbergmoos (Buch als pdf für Angehörige der Universität Hamburg)
• Ligges, U. 2014. Programmieren mit R. Springer Spektrum, Berlin (ältere Ausgabe als pdf für Angehörige einiger Hamburger Universitäten)
• Oestreich, M., Romberg, O. 2014. Keine Panik vor Statistik! Erfolg und Spaß im Horrorfach nichttechnischer Studiengänge. Springer Spektrum, Wiesbaden (Buch als pdf für Angehörige einiger Hamburger Universitäten)
• Wickham, H., Grolemund, G. 2017. R for Data Science. O’Reilly, Beijing [Inhalt des Buchs online frei verfügbar; gedrucktes Buch deutschsprachig]
• Wollschläger, D. 2017. Grundlagen der Datenanalyse mit R. Springer Spektrum, Berlin Heidelberg (Buch als pdf für Angehörige einiger Hamburger Universitäten)
• Wollschläger, D. 2016. R kompakt: der schnelle Einstieg in die Datenanalyse. Springer Spektrum, Berlin Heidelberg (Buch als pdf für Angehörige einiger Hamburger Universitäten)
• Wollschläger, D. R Examples Repository RExRepos [sehr guter Beispielcode für häufig benötigte Standardrechnungen, englischsprachig, letzter Aufruf 24.08.2017]

,,Styleguides“ – Fehler besser sichtbar machen

Lesbarkeit des R-Codes erhöhen – Fehler besser sichtbar machen

Der Programmierstil legt zum Beispiel fest, wo Leerzeichen gesetzt werden oder wie Datei- und Objektnamen aufgebaut sind. Ein einheitlicher Stil hat große Vorteile, aber keinerlei Auswirkungen auf die Funktionalität des R-Codes. Fehler lassen sich deutlich einfacher finden und die Lesbarkeit, insbesondere wenn mehrere Personen am Code arbeiten, wird erhöht.

Es gibt verschiedene Style-Guides für R-Code, auch in einigen der oben gelisteten Bücher. In Ergänzung dazu kommt hier eine Auswahl von Online-Quellen:

• Wickham, H. (2017) Style guide [zu empfehlen, englischsprachig, letzter Aufruf 09.03.2019]
• Klein, M. C. (2018) INWT’s guidelines for R code [englischsprachig, letzter Aufruf 09.03.2019]
• Google Open Source (2018) Google’s R Style Guide [englischsprachig, letzter Aufruf 09.09.2019]

Weitere Tipps und Tricks beim Umgang mit R findest Du in einem Digitalen Skript.