-
Notifications
You must be signed in to change notification settings - Fork 19
/
slides.Rmd
256 lines (163 loc) · 8.22 KB
/
slides.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
---
title: "Folien für Lehrvideos und Live-Veranstaltungen"
output: html_document
---
```{r setup, include = FALSE, cache = FALSE}
knitr::opts_chunk$set(error = TRUE, comment = NA, warnings = FALSE, errors = FALSE, messages = FALSE, tidy = FALSE, echo = FALSE)
```
Die folgenden Bücher sind **kostenfrei**, können **online** gelesen werden und dienen als Referenz für Themengebiete im Projektkurs
- Modern Dive: http://moderndive.com
- R for Data Science: http://r4ds.had.co.nz
- Introduction to Data Science: https://rafalab.github.io/dsbook/
- Causal Inference: The Mixtape: https://mixtape.scunning.com/index.html
## Folien der Lehrvideos {.tabset}
[Folien als PDF herunterladen](pdf_downloads.html)
<br></br>
### 01: RMarkdown
```{r}
knitr::include_url("slides/rmarkdown.html")
```
- R for Data Science, Workflow: http://r4ds.had.co.nz/workflow-basics.html
- Modern Dive, Kapitel zu Getting Started: http://moderndive.com/2-getting-started.html
- R & RStudio Basics: https://bookdown.org/chesterismay/rbasics/3-rstudiobasics.html
- RStudio IDE Cheatsheet: https://github.com/rstudio/cheatsheets/blob/master/rstudio-ide.pdf
### 02: Datentype in R
```{r}
knitr::include_url("slides/data-types.html")
```
### 03: Warum Git und Github?
```{r}
knitr::include_url("slides/Vorteile_Git-und-Github.html")
```
- Happy Git with R: http://happygitwithr.com/
- Try Git tutorial: https://try.github.io/levels/1/challenges/1
- Introduction to Data Science: https://rafalab.github.io/dsbook/git.html (Kapitel 39)
### 04: Programming Basics
```{r}
knitr::include_url("slides/programming-basics.html")
```
- Introduction to Data Science: https://rafalab.github.io/dsbook/programming-basics.html
### 05: Vektorarithmetik
```{r}
knitr::include_url("slides/vector-arithmetics.html")
```
### 06: Daten in R importieren
```{r}
knitr::include_url("slides/import-data.html")
```
### 07: Daten in die richtige Form bringen
```{r}
knitr::include_url("slides/reshape-data.html")
```
- Blog Post wie Sie ihre Daten aufarbeiten können: https://rladiessydney.org/courses/ryouwithme/02-cleanitup-5/
### 08: Einführung in die Datenaufbereitung
```{r}
knitr::include_url("slides/data-wrangling-intro.html")
```
### 09: Datensätze zusammenführen
```{r}
knitr::include_url("slides/combine-tables.html")
```
- Introduction to Data Science: https://rafalab.github.io/dsbook/joining-tables.html
### 10: Datum und Uhrzeit in R
```{r}
knitr::include_url("slides/dates-and-time.html")
```
### 11: Visualisierung mit ggplot2
```{r}
knitr::include_url("slides/Visualisierung_mit_ggplot2.html")
```
- Ein schönes Tutorial wie Sie (ansprechende) Grafiken mit ggplot2 erzeugen können gibt [Cedric Scherer](https://cedricscherer.netlify.app/2019/05/17/the-evolution-of-a-ggplot-ep.-1/)
- Weiterhin gibt es eine wöchentliche Challange genannt [#Tidytuesday](https://github.com/rfordatascience/tidytuesday) bei der Sie viele ansprechende Grafiken finden mit dem entsprechende Code
- [Hier der Github Accunt von Cedric Scherer mit vielen schönen Beispielen](https://github.com/Z3tt/TidyTuesday) oder [noch der Account von Georgios Karamanis](https://github.com/gkaramanis/tidytuesday) um nur zwei zu nennen
- Das RStudio `ggplot2` Cheatsheet finden Sie hier: https://github.com/rstudio/cheatsheets/blob/master/data-visualization-2.1.pdf
### 12: Visualisierungsguidelines
```{r}
knitr::include_url("slides/Visualisierung-Guidelines.html")
```
- Diese Vorlesungseinheit orientiert sich an einem Vortrag von [Karl Broman](http://kbroman.org/) mit dem Titel: ["Creating effective figures and tables"](https://www.biostat.wisc.edu/~kbroman/presentations/graphs2017.pdf),
- Weiterhin sind die Vorlesungsfolien von Peter Aldhous eingearbeitet worden: [Introduction to Data Visualization course](http://paldhous.github.io/ucb/2016/dataviz/index.html)
- Wie auch das Buch [Introduction to Data Science](https://rafalab.github.io/dsbook/) (Kapitel 10)
### 13: Korrelation
```{r}
knitr::include_url("slides/correlation.html")
```
### 14: Advanced R Markdown
```{r}
knitr::include_url("slides/Advanced_RMarkdown.html")
```
- Hervorragende Einführungen und Übersichten zu R Markdown bietet Allison Hill an. [Hier](https://apreshill.github.io/rmd4cdc/#1) und [hier](https://rstudio-education.github.io/teaching-in-production/slides/index.html#1) finden Sie zwei sehr gute Präsentationen.
- Für die Erstellung von Präsentation in RMarkdown mittels dem Paket xaringan [hier eine sehr gute Einführung](https://spcanelon.github.io/xaringan-basics-and-beyond/index.html).
- Wenn Sie eine Abschlussarbeit mit RMarkdown verfassen möchten dann würde ich ihnen [diesen Vortrag](https://resulumit.com/teaching/rmd_workshop.html#1) von Herr Resul Umit empfehlen.
### 15: Stichprobe vs. Grundgesamtheit
```{r}
knitr::include_url("slides/sample-vs-population.html")
```
- Eine hervorragende Einführung finden Sie im Buch [ModernDive (Kapitel 7)](https://moderndive.com/7-sampling.html)
- Eine etwas tiefgreifendere Einführung finden Sie in dem Buch [Learning Statistics with R (Kapitel 10)](https://learningstatisticswithr.com/lsr-0.6.pdf)
### 16: Koeffizienten Interpretieren
```{r}
knitr::include_url("slides/Koeffizienten_Interpretieren.html")
```
### 16: Kausalität 1
```{r}
knitr::include_url("slides/causality1.html")
```
### 17: Directed acyclic graphs
```{r}
knitr::include_url("slides/DAG_video.html")
```
## Vorlesungsfolien der Live-Veranstaltungen {.tabset}
### 01: Einführung und Begrüßung
```{r}
knitr::include_url("slides/intro_projektkurs_data-science.html")
```
### 02: Erster Teil der Case-Study
```{r}
knitr::include_url("slides/VL_case-study-Teil1.html")
```
### 03: Zweiter Teil der Case-Study
```{r}
knitr::include_url("slides/VL_case-study-Teil2.html")
```
### 04: Einführung und Begrüßung zum 2. Teil der VL
```{r}
knitr::include_url("slides/intro_projektkurs_data-science2.html")
```
### 05: Wahrscheinlichkeiten, Verteilungen und Konfidenzintervalle
```{r}
knitr::include_url("slides/probability-and-confidence-interval.html")
```
### 06: Inferenzstatistik (Hypothestest)
```{r}
knitr::include_url("slides/inference.html")
```
### 07: Lineare Regression (inkl. Interaktionsterme)
```{r}
knitr::include_url("slides/linear-regression.html")
```
- Zur schönen Darstellung der Regressionsergebnisse verwenden wir das Paket _stargazer_: Hlavac, Marek. 2018. stargazer: Well-Formatted Regression and Summary Statistics Tables (version 5.2.2).
### 08: Dritter Teil der Case-Study
```{r}
knitr::include_url("slides/VL_case-study-Teil3.html")
```
- Zur schönen Darstellung der Regressionsergebnisse verwenden wir das Paket _stargazer_: Hlavac, Marek. 2018. stargazer: Well-Formatted Regression and Summary Statistics Tables (version 5.2.2).
### 09: Kausalität in den Wirtschaftswissenschaften
```{r}
knitr::include_url("slides/DAG_slides.html")
```
- Eine hervorragende Einführung in DAGs finden Sie im Kurs [Program Evaluation](https://evalf20.classes.andrewheiss.com/content/04-content) von Andrew Heiss
- Eine weitere hervorragende Quelle zur Einführung von DAGs ist das 3. Kapitel in [Causal Inferenece - The Mixtape](https://mixtape.scunning.com/dag.html)
### 10: Randomisiertes Experiment
```{r}
knitr::include_url("slides/Experiment_slides.html")
```
### 11: Instrumentalvariablenschätzung
```{r}
knitr::include_url("slides/instruments.html")
```
- Eine hervorragende Einführung in die Instrumentalvariablenschätzung liefert das 7. Kapitel in _Causal Inferenece - The Mixtape_: https://mixtape.scunning.com/instrumental-variables.html
- Eine weitere sehr gute Einführung in die Instrumentalvariablenschätzung liefert Kapitel 5 von [Impact Evaluation in Practice](https://openknowledge.worldbank.org/handle/10986/25030)
- Eine hervorragende Einführung in DAGs finden Sie im Kurs [Program Evaluation](https://evalf20.classes.andrewheiss.com/content/11-content/) von Andrew Heiss
- Zur Instrumentalvariablenschätzung in R verwenden wir das _AER_: Kleiber, Christian, and Achim Zeileis. 2020. AER: Applied Econometrics with R (version 1.2-9). https://CRAN.R-project.org/package=AER.
- Zur schönen Darstellung der Regressionsergebnisse verwenden wir das Paket _stargazer_: Hlavac, Marek. 2018. stargazer: Well-Formatted Regression and Summary Statistics Tables (version 5.2.2). https://CRAN.R-project.org/package=stargazer.