R Workshop – Sozialwissenschaften

Einführung in die statistische Datenanalyse mit tidyverse und mariposa

Eine Einführung in die statistische Datenanalyse mit R, tidyverse und mariposa für die Sozialwissenschaften — mit ALLBUS 2023.
Autor:innen

Yannick Diehl

Daniel Moosdorf

Veröffentlichungsdatum

25.05.2026

0  Vorwort

Sind islamfeindliche Einstellungen in Ostdeutschland weiter verbreitet als im Westen? Wer trägt sie, und wie hängen sie mit politischen Orientierungen zusammen?

Wer auf Fragen wie diese in einem Datensatz nachsehen will, braucht zwei Dinge: einen sauberen Datensatz wie den ALLBUS 2023 — und ein Werkzeug, das ihn auswerten kann. Dieses Buch ist eine Einführung in genau dieses Werkzeug: R für die statistische Datenanalyse in den Sozialwissenschaften. Es richtet sich an Studierende, die R neu kennenlernen — oft mit Vorerfahrung in SPSS — und einen einfachen, modernen Einstieg suchen.

Du arbeitest dich vom ersten Datenimport über deskriptive und inferenzstatistische Verfahren bis zu Faktorenanalyse und Regression. Dein Werkzeugkasten ist dabei bewusst klein gehalten: das tidyverse für Datenmanipulation und Visualisierung und das Marburger Paket mariposa für die statistische Analyse. Hinzu kommt Quarto als Brücke vom Code zum publizierten Bericht.

Anwendungsziel sind sozialwissenschaftliche Studien mit wissenschaftlichen Erhebungsstandards. Auch unstandardisierte Datensätze lassen sich mit denselben Techniken bearbeiten, und Survey-Gewichtung ist von Anfang an mit dabei.

Was du nach diesem Buch kannst

  • Datensätze aus SPSS, Stata oder Excel einlesen und mit Labels und fehlenden Werten umgehen.
  • Daten transformieren, rekodieren und Skalen aus Items bilden.
  • Univariate, bivariate und multivariate Analysen durchführen — auch mit Survey-Gewichten.
  • Korrelationen, Faktorenanalysen, lineare und logistische Regressionen rechnen und interpretieren.
  • Befunde mit ggplot2 in publikationsfähige Grafiken bringen.
  • Eine Analyse so dokumentieren, dass sie reproduzierbar ist.

Wie liest du dieses Buch?

  • Linear lesen. Die Kapitel bauen aufeinander auf. Kap. 3 setzt die Grundlagen aus Kap. 1–2 voraus, alle Methoden-Kapitel ab Kap. 7 setzen die Datenpräp aus Kap. 4–5 voraus, und die Visualisierungs-Grundlagen aus Kap. 6 werden von Kap. 7 bis 9 durchgehend genutzt.
  • Code mitlaufen lassen. Halte RStudio parallel offen und kopiere die Chunks in dein Skript. Copy-and-paste ist ausdrücklich erwünscht.
  • Übungen ernst nehmen. Jedes Kapitel endet mit vier Aufgaben — zwei reine Reproduktionen, eine Transfer-Aufgabe und eine Mini-Forschungsfrage ohne Musterlösung. Wenn du die Mini-Forschungsfragen über die Methoden-Kapitel hinweg konsistent auf einer eigenen Frage anwendest, entsteht parallel zur ALLBUS-Hauptstudie ein eigenes kleines Forschungsprojekt. Versuche jede Übung zuerst selbst.
  • Datensatz früh besorgen. Den ALLBUS 2023 brauchst du ab Kap. 4 — wie du an die Daten kommst, steht unter Beispieldatensatz.

Eine kurze Roadmap durch die fünf Etappen:

Warum R?

  • R ist eine Programmiersprache, die speziell für statistische Berechnungen und Visualisierungen von Daten entwickelt wurde.
  • R ist Open Source: keine Lizenzkosten, auch nicht für die Erweiterungspakete.
  • Daten lassen sich sehr flexibel auswerten und visualisieren — kleine Datenanalysen und große Pipelines folgen demselben Code-Stil.
  • Wissenschaftliche Organisationen, Unternehmen und Behörden setzen R weltweit ein. Wer R lernt, lernt eine Sprache, die in der Praxis gefragt ist.
  • R lässt sich plattformunabhängig in beliebige IT-Strukturen integrieren.

Warum tidyverse und mariposa?

Statt einer langen Liste von Spezialpaketen arbeiten wir mit zwei klar abgegrenzten Ökosystemen.

Tidyverse. Eine Sammlung aufeinander abgestimmter Pakete (dplyr, tidyr, ggplot2, readr, purrr, tibble, stringr, forcats, lubridate), die einen gemeinsamen Stil für Datenmanipulation und Visualisierung definieren. Wer das tidyverse einmal verstanden hat, kann fast alle modernen R-Skripte lesen.

mariposa. Ein in Marburg entwickeltes Paket (Marburg Initiative for Political and Social Analysis), das die für sozialwissenschaftliche Analysen typischen Verfahren in einer konsistenten, tidyverse-nahen Syntax bereitstellt: Datenimport aus SPSS, Umgang mit Labels und Missing-Werten, deskriptive Statistik, t-Tests, ANOVA, Korrelation, Faktorenanalyse, Regression. Die Ergebnisse sind SPSS-kongruent — wer aus SPSS umsteigt, erkennt die Ausgaben wieder.

Voraussetzungen

R (Programmiersprache, Open Source). Die jeweils aktuelle Version findest du unter cran.r-project.org. Dieses Buch setzt mindestens R 4.3 voraus; empfohlen ist R 4.5 oder höher, damit alle hier gezeigten Funktionen ohne Anpassungen laufen.

RStudio als integrierte Entwicklungsumgebung (IDE). Die IDE selbst heißt weiterhin RStudio, die Firma dahinter heißt seit 2022 Posit. Du brauchst die Desktop-Version: posit.co/download/rstudio-desktop. Wenn du lokal nichts installieren möchtest, kannst du alternativ Posit Cloud (vormals RStudio Cloud) im Browser nutzen.

Pakete. Wir installieren am Anfang einmal die zwei Ökosysteme, die uns durch das ganze Buch tragen:

install.packages("tidyverse")
install.packages("remotes")
remotes::install_github("YannickDiehl/mariposa")

Aktivierung in jeder R-Sitzung:

Für die Grafik-Komposition in Kap. 9 kommt später noch patchwork dazu, und für die konfirmatorische Faktorenanalyse in Kap. 8 fügen wir lavaan und semPlot hinzu — die einzigen weiteren Pakete, die wir bewusst zulassen.

Beispieldatensatz: ALLBUS 2023

Wir arbeiten durchgehend mit dem ALLBUS — der Allgemeinen Bevölkerungsumfrage der Sozialwissenschaften. Die Welle 2023 ist die aktuell verfügbare Hauptbefragung mit 5246 Befragten und 579 Variablen.

So kommst du an die Daten. Den Datensatz findest du im GESIS-Datenbestandskatalog unter der Studiennummer ZA8901. Du brauchst einen kostenlosen GESIS-Account; nach der Registrierung kannst du die SPSS-Version herunterladen. Speichere die Datei in deinem Projektordner als ALLBUS2023.sav.

Als roten Faden durch die Methoden-Kapitel verwenden wir die Frage:

Wer trägt islamfeindliche Einstellungen in Deutschland 2023, und wie hängen sie mit politischen Orientierungen und Soziostruktur zusammen?

Die Frage ist nicht zufällig gewählt — sie zieht sich durch jedes Kapitel:

  • Kap. 4 — Datenimport und Inspektion. Du liest den ALLBUS ein, findest Variablen über find_var(), deklarierst fehlende Werte und legst dein Analyse-Subset an.
  • Kap. 5 — Daten transformieren und Skalen bilden. Aus sechs ALLBUS-Items baust du eine Islamfeindlichkeits-Skala und parallel eine Populismus-Skala — inklusive sauberem Umpolen, Mindest-Validität und POMPS-Vergleichbarkeit.
  • Kap. 6 — Visualisierung Grundlagen. Du lernst die Grammar of Graphics von ggplot2 kennen — die Werkzeuge, mit denen du in den folgenden Kapiteln jede Methode begleitend illustrierst.
  • Kap. 7 — Uni- und bivariate Analyse. Du beschreibst die Verteilung der Skala, vergleichst Ost und West, prüfst den Zusammenhang mit Populismus.
  • Kap. 8 — Latente Strukturen. Du prüfst die Faktorstruktur und Reliabilität der Skalen mit EFA, Cronbachs α und einem CFA-Ausblick.
  • Kap. 9 — Erklärungsmodelle. Du fragst, welche Merkmale (Bildung, Alter, Region, Populismus) Islamfeindlichkeit am besten erklären — multifaktorielle ANOVA, multiple und logistische Regression — und kommunizierst die Ergebnisse als publikationsfähigen Coefficient-Plot mit patchwork.

So lernst du nicht nur einzelne Methoden, sondern siehst, wie sie zu einer kompletten Analyse zusammenfließen.

So sind die Kapitel gebaut

Jedes Methoden-Kapitel folgt demselben Aufbau: eine Frage wird in Code beantwortet, der Output bekommt eine Lesart. Die Kapitel bestehen zu großen Teilen aus R-Code in sogenannten Code-Chunks:

allbus |> describe(islamophobie, weights = wghtpew)

Das Ergebnis erscheint direkt darunter, gerendert ins Buch. Den Code kannst du jederzeit in dein eigenes R-Skript übernehmen — Copy-and-paste ist ausdrücklich erwünscht.

Pipe-Operator. Du wirst durchgehend den nativen Pipe |> sehen. Er reicht das Ergebnis einer Funktion in die nächste weiter und macht aus verschachteltem Code einen lesbaren Arbeitsfluss:

allbus |>
  filter(eastwest == 1) |>
  describe(ls01)

In älterem Code findest du oft %>% (aus dem Paket magrittr). Beide tun fast dasselbe; wir erklären den Unterschied kurz in Kap. 3.

Callout-Boxen. Vier wiederkehrende Bausteine helfen dir bei der Orientierung:

Tipp

SPSS → R. Direkte Übersetzungshilfe für Umsteiger:innen — links der SPSS-Befehl, rechts das R-Pendant.

Warnung

Vorsicht. Typische Fallstricke und Stolpersteine.

Hinweis

Hintergrund. Kurze konzeptionelle Einschübe zur Theorie hinter einer Methode.

Wichtig

mariposa-Tipp. Stellen, an denen mariposa eine besonders kompakte Lösung anbietet.

Weiterführende Literatur

Wenn du tiefer einsteigen möchtest: