R og RStudio

R er et åpen kildekode statistikkprogram. RStudio er et integrert utviklingsmiljø (IDE) for R med editor, konsoll, miljøvisning og filleser. I STV1020 brukes R til å gjennomføre de analysene man lærer teoretisk: deskriptiv statistikk, korrelasjon, regresjon og visualisering.

Innlesing og inspeksjon av data

Vanlige funksjoner for innlesing og inspeksjon:

read.csv("fil.csv") eller read_csv("fil.csv") (tidyverse) – laster inn CSV-data
head(data), tail(data) – viser de første/siste radene
str(data) – viser variabeltyper og struktur
summary(data) – deskriptiv statistikk for alle variabler
dim(data) – antall rader (N) og kolonner (K)

Subsetting og omkoding

data[data$alder > 30, ] – velg rader der betingelse er sann
data$ny_var <- ifelse(data$X > 0, 1, 0) – opprett dikotom variabel
data$X_sentrert <- data$X - mean(data$X) – sentrering

Deskriptiv analyse

mean(x, na.rm=TRUE), median(x), sd(x), var(x)
table(x) – frekvenstabell for kategorisk variabel
cor(x, y) – Pearsons r; cor(x, y, method="spearman") – Spearmans rho

Visualisering

hist(x) – histogram
boxplot(y ~ gruppe) – boxplot per gruppe
plot(x, y) – scatter-plot (base R)
Med ggplot2: ggplot(data, aes(x, y)) + geom_point()

Regresjonsanalyse

modell <- lm(Y ~ X1 + X2, data=data) – estimer OLS-modell
summary(modell) – koeffisienter, SE, t-verdier, p-verdier, R²
confint(modell) – 95 % konfidensintervaller for koeffisienter
plot(modell) – diagnostiske plott (residualer vs. predikerte verdier, QQ-plott)

Eksempel: Komplett arbeidsflyt i R

data <- read.csv("kommunedata.csv")
summary(data$deltakelse) # deskriptiv statistikk
hist(data$deltakelse, main="Valgdeltakelse", xlab="%") # histogram
cor(data$ses, data$deltakelse) # Pearsons r
m1 <- lm(deltakelse ~ ses + utdanning, data=data) # multivariat regresjon
summary(m1) # vis resultater

Studieguide: R som statistikkverktøy