Springer-Lehrbuch. Für weitere Bände:

Transkript

1 Springer-Lehrbuch Für weitere Bände:

2

3 Rainer Muche Stefanie Lanzinger Michael Rau Medizinische Statistik mit R und Excel Einführung in die RExcelund R-Commander-Oberflächen zur statistischen Auswertung 123

4 Rainer Muche Universität Ulm Institut für Epidemiologie und Medizinische Biometrie Schwabstrasse Ulm Deutschland Stefanie Lanzinger Einsteinstrasse München Deutschland Michael Rau Universitätsklinikum Ulm Albert-Einstein-Allee Ulm Deutschland Tabellen KHK.XLS und MI.XLS herunterzuladen von ISSN ISBN e-isbn DOI / Springer Heidelberg Dordrecht London New York Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über abrufbar. Springer-Verlag Berlin Heidelberg 2011 Dieses Werk ist urheberrechtlich geschützt. Die dadurch begründeten Rechte, insbesondere die der Übersetzung, des Nachdrucks, des Vortrags, der Entnahme von Abbildungen und Tabellen, der Funksendung, der Mikroverfilmung oder der Vervielfältigung auf anderen Wegen und der Speicherung in Datenverarbeitungsanlagen, bleiben, auch bei nur auszugsweiser Verwertung, vorbehalten. Eine Vervielfältigung dieses Werkes oder von Teilen dieses Werkes ist auch im Einzelfall nur in den Grenzen der gesetzlichen Bestimmungen des Urheberrechtsgesetzes der Bundesrepublik Deutschland vom 9. September 1965 in der jeweils geltenden Fassung zulässig. Sie ist grundsätzlich vergütungspflichtig. Zuwiderhandlungen unterliegen den Strafbestimmungen des Urheberrechtsgesetzes. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Einbandentwurf: WMXDesign GmbH, Heidelberg Gedruckt auf säurefreiem Papier Springer ist Teil der Fachverlagsgruppe Springer Science+Business Media (

5 Vorwort Microsoft Excel R ist das am weitesten verbreitete Tabellenkalkulationsprogramm. Für die Eingabe und Verarbeitung von Daten in Tabellenform wird Excel vielfach genutzt. Außerdem ermöglicht Excel umfangreiche Berechnungen mit Formeln und Funktionen. Wird Excel für statistische Auswertungen verwendet, wird das von Statistikern allerdings oft mit Skepsis betrachtet. Für statistische Analysen ist Excel weniger gut geeignet, hierfür gibt es wesentlich bessere Programme. Excel kann jedoch durch Add-Ins erweitert werden. Ein Add-In ist ein zusätzliches Programm, das mit Excel zusammen geladen wird, wenn man Excel startet. Danach kann dieses Programm von der Excel-Oberfläche ausgeführt werden. Viele Add-Ins stehen im Internet, z. B. auf der Seite zur Verfügung und können kostenlos heruntergeladen werden. Seit 2009 gibt es das kostenlose Add-In RExcel, mit dem in die Excel-Oberfläche die Statistiksoftware R und deren menügesteuerte Oberfläche (R-Commander) eingebunden werden kann. Mit Hilfe des Add-Ins RExcel wird die Möglichkeit statistische Analysen mit Excel durchzuführen erheblich verbessert. Wichtige statistische Prozeduren können so von der Excel-Oberfläche aus durch eine grafische Benutzeroberfläche, den R-Commander, aufgerufen werden. Somit sind mit RExcel auch statistische Auswertungen möglich, die Excel nicht direkt zur Verfügung stellt (wie z. B. nichtparametrische Rang-Tests). Für Nutzer, die nur einmal eine Auswertung z. B. für eine medizinische Dissertation benötigen bzw. nur selten kleine Standardauswertungen ausführen, wäre das Erlernen der kompletten R-Programmiersprache allerdings sehr aufwendig. Damit hat sich gezeigt, dass es einen Bedarf für eine einfach gehaltene, menügesteuerte Oberfläche für diese Nutzer gibt. Die Entwickler von RExcel, Th. Baier und E. Neuwirth, bezwecken u. a. damit, die nicht optimale alleinige Nutzung von Excel für statistische Auswertungen einzugrenzen und mit RExcel eine kostenlose, einfach zu lernende Oberfläche anzubieten. Das vorliegende Buch wurde so aufbereitet, dass es sich zum Selbststudium eignet. Darin wird in den Kap. 1 und 2 eine Einführung in die Benutzung der RExcel- Oberfläche gegeben. Die Datenverwaltung, von der manuellen Dateneingabe bis zur Übertragung der Daten von Excel nach RExcel und Datenmodifikationen folgen in den Kap. 3 und 4. Einige Grundlagen der Statistik sowie speziellere Auswertungshinweise werden in Kap. 5 behandelt. Besonderen Wert wurde auf die Beschreibung v

6 vi Vorwort der deskriptiven Statistik (Kap. 6) und der Korrelation und Regression (Kap. 7) gelegt. Die weiteren Kapitel über statistische Tests (Kap. 8 10), Überlebenszeitanalyse (Kap. 11) sowie die Berechnung von Fallzahlen im Kap. 12 runden die Beschreibung der Auswertungsmöglichkeiten ab. Als parallel zu nutzendes inhaltliches Medizinstatistikbuch empfehlen wir das im Anhang (A.7) angegebene Lehrbuch von C. Weiss: Basiswissen Medizinische Statistik. Außerdem finden sich dort im Anhang weiterführende Literaturhinweise, die für ein Selbststudium empfehlenswert sind, um weitere Analyseverfahren der RExcel-Oberfläche kennenzulernen. Außerdem sind im Anhang einige weitere nützliche Hinweise für das Arbeiten mit RExcel abgedruckt. Eine Anleitung zur kostenlosen Installation von RExcel befindet sich ebenfalls im Anhang (A.1). Im Buch finden sich an vielen Stellen darüber hinaus praktische Tipps und Hinweise, in denen die Autoren ihre subjektiven Erfahrungen bei der Erarbeitung der RExcel-Oberfläche weitergeben. Alle Anwendungen sind anhand eines Beispieldatensatzes aus dem Bereich der Herz-Kreislaufforschung beschrieben und anhand von Screen-Shots nachvollziehbar dargestellt, so dass ein Selbststudium einfach ermöglicht wird. Dafür sind nur einige wenige grundlegende Excel-Kenntnisse in Bezug auf Dateneingabe und Umgang mit Daten notwendig. Im Unterricht für das Fach Biometrie im Humanmedizinstudium ist geplant, den Statistiksoftwarekurs auf Basis dieses Buches mit RExcel durchzuführen. Erfahrungen mit der Nutzung der Software im Studierendenunterricht sowie entsprechende Unterrichtsmaterialien können dann von den Autoren angefordert werden. Die Nutzung von RExcel wird in dem Buch auf der Basis der beiden Excel- Versionen Excel 2003 und Excel 2007 mit dem Betriebssystem Windows XP dargestellt. Die Nutzung mit Windows 7 ist von den Autoren stichprobenartig geprüft worden. Dabei hat alles auch auf diesem Betriebssystem funktioniert. Laut RExcel-Wiki (s. Anhang A.7) scheint RExcel auch mit der 32bit-Version von Excel 2010 zu funktionieren, jedoch nicht mit der 64bit-Version. Der Autor Rainer Muche arbeitet seit langer Zeit im Bereich Biometrie / Medizinstatistik. Im Buch werden die für dieses Fachgebiet wichtigsten, grundlegenden statistischen Verfahren, angelehnt an die Vorlesung Biometrie im Querschnittsfach Q1 im Humanmedizinstudium dargestellt. Dabei wird sehr viel Wert auf deskriptive und grafische statistische Verfahren gelegt. Die Darstellung der Benutzung der wichtigsten Ein- und Zweistichprobentests sowie der Überlebenszeitanalyse runden die Beschreibung der statistischen Verfahren ab. Dadurch kann dieses Buch auch als Begleitmaterial für Grundvorlesungen im Bereich Angewandte Statistik in vielen Studienfächern genutzt werden. Darüber hinaus gehende Methoden in RExcel werden nicht dargestellt. Dies ist allerdings keine Einschränkung für die Nutzung des Buches, da im ersten Teil und im Anhang allgemeine Hinweise gegeben werden und durch die detaillierte Darstellung des Vorgehens bei den Auswertungen eine Übertragung auf andere Fachgebiete ohne Probleme möglich ist. Die Autoren danken den Kolleginnen und Kollegen des Instituts für Epidemiologie und Medizinische Biometrie, Universität Ulm für Ihre Bereitschaft, das Buch jeweils teilweise zu lesen und in institutsinternen Vorstellungen der RExcel-Oberfläche konstruktive Vorschläge für Darstellung und Struktur zu geben.

7 Vorwort vii Ihre Vorschläge und Hinweise haben uns sehr geholfen, das Buch zu verbessern. Für weitere Änderungsvorschläge und Hinweise auf Fehler und missverständliche Formulierungen sind wir jederzeit dankbar. Außerdem möchten wir uns an dieser Stelle ganz herzlich bei den beiden Entwicklern von RExcel, Erich Neuwirth und Thomas Baier bedanken, die durch Ihre Anstrengungen zur Nutzung der Statistiksoftware R auch für Anwendergruppen ohne Programmierhintergrund beigetragen haben. Ulm, Deutschland München, Deutschland März 2011 Rainer Muche Stefanie Lanzinger Michael Rau

8

9 Inhaltsverzeichnis 1 Allgemeine Information Begriffsvereinbarungen Menüsteuerung RExcel starten und beenden RExcel starten RExcel beenden Datenverwaltung mit Excel und RExcel Dezimalschreibweise Manuelle Dateneingabe in Excel Öffnen einer vorhandenen Excel-Datei Kommunikation zwischen Excel und R Datenmanagement in Excel bzw. R-Commander Variablennamen/Variablenwerte ändern Variablenformate ändern Variablen hinzufügen Variablen hinzufügen mit Excel Variablen hinzufügen mit dem R-Commander DatenwerteinKlasseneinteilen Datenklassierung mit Excel Datenklassierung mit dem R-Commander Variablen löschen Variablen löschen mit Excel Variablen löschen mit dem R-Commander Beobachtungen einfügen und löschen Dateien zusammenfügen Dateien zusammenfügen mit Excel Dateien zusammenfügen mit dem R-Commander Datensätzesortieren Teilmenge eines Datensatzes Teilmenge eines Datensatzes mit Excel ix

10 x Inhaltsverzeichnis Teilmenge eines Datensatzes mit dem R-Commander Datenübertragung von R nach Excel Vorbemerkungen und Informationen zur statistischen Analyse medizinischer Daten Skalenniveau der Variablen (qualitativ/diskret bzw. stetig) Datenbeschreibung und statistische Kenngrößen StatistischeGrafiken Zusammenhangsauswertungen Statistische Tests und Konfidenzintervalle Unabhängige/abhängige Beobachtungen, Einstichprobenverfahren Exakte Auswertungsverfahren Überlebenszeitanalysen Fallzahlplanung Deskriptive Statistik Auswertung qualitativer bzw. diskreter Variablen AuswertungstetigerVariablen Gruppenspezifische Auswertungen stetiger Variablen Zusammenhang von Variablen Qualitative bzw. diskrete Variablen StetigeVariablen Scatterplot Korrelation Lineare Regression Statistische Tests für unabhängige Beobachtungen Qualitative bzw. diskrete Variablen Der χ 2 -Test Der exakte Test nach Fisher StetigeVariablen Normalverteilte Variablen Nicht-normalverteilte Variablen Statistische Tests für abhängige Beobachtungen Qualitative bzw. diskrete Variablen StetigeVariablen Normalverteilte Variablen Nicht-normalverteilte Variablen Einstichprobentests und Konfidenzintervalle Qualitative bzw. diskrete Variablen StetigeVariablen Normalverteilte Variablen Nicht-normalverteilte Variablen... 91

11 Inhaltsverzeichnis xi 11 Überlebenszeitanalyse Datentransformation für Überlebenszeitanalysen Zensierungsvariable erzeugen Datumsvariable ergänzen Zeitvariable erzeugen Kaplan-Meier-Überlebenswahrscheinlichkeiten Konfidenzbereich um Kaplan-Meier-Schätzung Vergleich von Überlebenswahrscheinlichkeiten Fallzahlberechnungen t-test für unabhängige Stichproben t-test für gepaarte Stichproben χ 2 -Test für Proportionen Anhang A.1 Installation von RExcel A.2 DerBeispieldatensatz A.3 R-Commander Menü Baum A.4 PaketeundPlug-ins A.5 R-Syntax A.5.1 ObjekteundListen A.5.2 Matrizen A.5.3 Datenmanagement A.5.4 DeskriptiveStatistik A.5.5 Statistische Auswertungen A.5.6 RHilfe A.6 Grafiken bearbeiten A.7 Literaturhinweise A.7.1 Statistiklehrbücher A.7.2 Lehrbuch zu statistischen Grafiken A.7.3 Selbstlehr-und-lern-SoftwareimInternet A.7.4 Lehrbuch und weitere Informationen zu RExcel A.7.5 Lehrbücher zur Statistiksoftware R A.7.6 Lehrbücher zu Microsoft Excel Stichwortverzeichnis