apaTablesJetzt, wo wir unsere Auswertungen automatisiert und in schöne Dokumente eingebunden haben, wollen wir natürlich unsere Tabellen und Daten möglichst wenig a) händisch übertragen und b) formatieren.
Die erste Möglichkeit ist es, vor allem beim Verzicht auf quarto, alles, was an Zahlen und Tabellen für den Text anfällt, direkt in files die wir einfach einbinden können zu exportieren.
Für ANOVAs, Regressionen, t-Tests und Korrelationsanalysen gibt es im apaTables-Paket(Stanley, 2021) fertige Wrapper, die einen direkten Export der Tabellen ins doc-Format umsetzen.
Unter den folgenden Links finden sich die Dokumentation der einzelnen Funktionen aufgelistet:
Außerdem sind im Tutorial Beispiele für alle implementierten Verfahren und Tabellen zu finden.
Ein einfaches Beispiel ist der Export der Tabelle der Parameter-Fits für das erste Sacramento-Beispiel aus tidymodels:
lm_model <- linear_reg()
lm_fit <- lm_model %>%
fit(price ~ sqft + beds, data = Sacramento)Mit apa.reg.table können gewünschte Tabellen dann exportiert werden. Laut der Doku ist dabei noch wichtig, mit options eine Anzahl an Dezimalstellen vor Umwandlung in 10-er-Potenz-Notation zu setzen, die mindestens 10 ist.
library(apaTables)
options(digits = 10)
apa.reg.table(lm_fit$fit,
table.number = 1,
filename = "Table1_APA.doc")
Table 1
Regression results using price as the criterion
Predictor b b_95%_CI beta beta_95%_CI sr2
(Intercept) 60850.54** [40392.19, 81308.90]
sqft 161.34** [150.86, 171.81] 0.89 [0.84, 0.95] .39
beds -26035.15** [-34604.71, -17465.58] -0.18 [-0.23, -0.12] .02
sr2_95%_CI r Fit
[.34, .43] .77**
[.01, .03] .46**
R2 = .604**
95% CI[.57,.63]
Note. A significant b-weight indicates the beta-weight and semi-partial correlation are also significant.
b represents unstandardized regression weights. beta indicates the standardized regression weights.
sr2 represents the semi-partial correlation squared. r represents the zero-order correlation.
Square brackets are used to enclose the lower and upper limits of a confidence interval.
* indicates p < .05. ** indicates p < .01.
Das table_number-Argument setzt dabei nur die Zahl in der Tabellen-Überschrift.
Das Ergebnis ist in Abbildung 9.1 zu sehen.
apa.reg.table
Wenn wir die Tabelle in ein externes file exportieren, müssen wir sie aber natürlich am Ende wieder kopieren, um sie in unsere Berichte zu kopieren.
Angenehmer wäre es natürlich, wenn wir die Tabellen direkt in unser quarto-Dokument einbinden könnten.
apaTables unterstützt diese Möglichkeit in der aktuellen Version 3.0.0 - auf Cran ist die neueste Version aber leider die 2.0.8, die diese Funktionalität noch nicht unterstützt. Sollte diese Lösung geünscht sein, lässt sich die neuere Version wie folgt direkt von github installieren:
install.packages("remotes")
remotes::install_github("dstanley4/apaTables")
library(apaTables)Erstellen Sie eine Tabelle mit den deskriptiven Kennwerten der Blütenblatt-Länge pro Spezies im iris-Datensatz mit apaTables. Gucken Sie sich dafür die Dokumentation der apa.1way.table-Funktion an.
apa.1way.table(iv=Species, dv=Petal.Length, data = iris)
Descriptive statistics for Petal.Length as a function of Species.
Species M SD
setosa 1.46 0.17
versicolor 4.26 0.47
virginica 5.55 0.55
Note. M and SD represent mean and standard deviation, respectively.
Benutzen Sie die apa.cor.table-Funktion um eine Korrelationsanalyse für alle numerischen Variablen im iris-Datensatz durchzuführen.
apa.cor.table(iris)
Means, standard deviations, and correlations with confidence intervals
Variable M SD 1 2 3
1. Sepal.Length 5.84 0.83
2. Sepal.Width 3.06 0.44 -.12
[-.27, .04]
3. Petal.Length 3.76 1.77 .87** -.43**
[.83, .91] [-.55, -.29]
4. Petal.Width 1.20 0.76 .82** -.37** .96**
[.76, .86] [-.50, -.22] [.95, .97]
Note. M and SD are used to represent mean and standard deviation, respectively.
Values in square brackets indicate the 95% confidence interval.
The confidence interval is a plausible range of population correlations
that could have caused the sample correlation (Cumming, 2014).
* indicates p < .05. ** indicates p < .01.
flextableEine andere Möglichkeit um Tabellen zu erstellen, die via cran verfügbar ist, ist das Paket flextable(Gohel & Skintzos, 2023).
Im Gegensatz zu apaTables kann in diesem Framework alles in eine Tabelle gerendert werden, die Tabellen können außerdem sehr frei gestaltet werden. Dafür gibt es aber nicht wirklich Standards wie z.B. Formatierung nach APA.
Um die Funktionalität auszuprobieren, wird im Folgenden beispielhaft eine Tabelle grob an APA orientiert formatiert.
An Tabellen direkt wird in den Guidelines folgende Anforderungen gestellt:
Außerdem kommen noch die folgenden Anforderungen an die Formatierung statistischer Ergebnisse1 hinzu:
1 laut https://apastyle.apa.org/style-grammar-guidelines/tables-figures/tables und https://www.scribbr.com/apa-style/numbers-and-statistics/
Fangen wir mit der Formatierung der Nummern an. Als Beispiel haben wir die folgende Tabelle, in der die mittlere Schnabellänge und Standardabweichung pro Pinguin-Spezies und Beobachtungsort aus dem palmerpenguins-Datensatz abgetragen sind:
summary_table <- palmerpenguins::penguins %>%
group_by(species, island) %>%
summarise(across(matches("bill_length_mm"),
.fns = list(
M = \(x) mean(x, na.rm = T),
SD = \(x) sd(x, na.rm = T)
),
.names = "{.col}_{.fn}")) %>% # Damit Funktion hinten steht
pivot_wider(names_from = 'island',
values_from = 3:4,
names_glue = "{island}_{.value}") # Damit Insel vorne steht`summarise()` has grouped output by 'species'. You can override using the
`.groups` argument.summary_table# A tibble: 3 × 7
# Groups: species [3]
species Biscoe_bill_length_m…¹ Dream_bill_length_mm_M Torgersen_bill_lengt…²
<fct> <dbl> <dbl> <dbl>
1 Adelie 39.0 38.5 39.0
2 Chinstrap NA 48.8 NA
3 Gentoo 47.5 NA NA
# ℹ abbreviated names: ¹Biscoe_bill_length_mm_M, ²Torgersen_bill_length_mm_M
# ℹ 3 more variables: Biscoe_bill_length_mm_SD <dbl>,
# Dream_bill_length_mm_SD <dbl>, Torgersen_bill_length_mm_SD <dbl>Zuerstmal sortieren wir die Spalten so, dass Pro Ort erst Mittelwert, dann SD steht:
summary_table %>%
select(species, matches('Bis'), matches('Dre'), matches('Tor'))# A tibble: 3 × 7
# Groups: species [3]
species Biscoe_bill_length_m…¹ Biscoe_bill_length_m…² Dream_bill_length_mm_M
<fct> <dbl> <dbl> <dbl>
1 Adelie 39.0 2.48 38.5
2 Chinstrap NA NA 48.8
3 Gentoo 47.5 3.08 NA
# ℹ abbreviated names: ¹Biscoe_bill_length_mm_M, ²Biscoe_bill_length_mm_SD
# ℹ 3 more variables: Dream_bill_length_mm_SD <dbl>,
# Torgersen_bill_length_mm_M <dbl>, Torgersen_bill_length_mm_SD <dbl>Dann legen wir die Dezimalstellen auf eine Nachkommastelle fest:
summary_table %>%
select(species, matches('Bis'), matches('Dre'), matches('Tor')) %>%
mutate(across(where(is.numeric), ~round(., 1)))# A tibble: 3 × 7
# Groups: species [3]
species Biscoe_bill_length_m…¹ Biscoe_bill_length_m…² Dream_bill_length_mm_M
<fct> <dbl> <dbl> <dbl>
1 Adelie 39 2.5 38.5
2 Chinstrap NA NA 48.8
3 Gentoo 47.5 3.1 NA
# ℹ abbreviated names: ¹Biscoe_bill_length_mm_M, ²Biscoe_bill_length_mm_SD
# ℹ 3 more variables: Dream_bill_length_mm_SD <dbl>,
# Torgersen_bill_length_mm_M <dbl>, Torgersen_bill_length_mm_SD <dbl>Und schon können wir an die eigentliche Formatierung in einer Tabelle gehen. Dazu nutzen wir, wie schon angekündigt, das Paket flextable.
Wir können unsere Tabelle direkt in flextable pipen:
library(flextable)
Attaching package: 'flextable'The following object is masked from 'package:purrr':
composesummary_table %>%
select(species, matches('Bis'), matches('Dre'), matches('Tor')) %>%
mutate(across(where(is.numeric), ~round(., 1))) %>%
flextable()species | Biscoe_bill_length_mm_M | Biscoe_bill_length_mm_SD | Dream_bill_length_mm_M | Dream_bill_length_mm_SD | Torgersen_bill_length_mm_M | Torgersen_bill_length_mm_SD |
|---|---|---|---|---|---|---|
Adelie | 39.0 | 2.5 | 38.5 | 2.5 | 39 | 3 |
Chinstrap | 48.8 | 3.3 | ||||
Gentoo | 47.5 | 3.1 |
Als erstes können wir den Header trennen:
summary_table %>%
select(species, matches('Bis'), matches('Dre'), matches('Tor')) %>%
mutate(across(where(is.numeric), ~round(., 1))) %>%
flextable() %>%
separate_header()species | Biscoe | Dream | Torgersen | |||
|---|---|---|---|---|---|---|
bill | ||||||
length | ||||||
mm | ||||||
M | SD | M | SD | M | SD | |
Adelie | 39.0 | 2.5 | 38.5 | 2.5 | 39 | 3 |
Chinstrap | 48.8 | 3.3 | ||||
Gentoo | 47.5 | 3.1 | ||||
Die bill-length kann weg, am besten entfernen wir die schon vor der Umwandlung in eine flextable:
summary_table %>%
select(species, matches('Bis'), matches('Dre'), matches('Tor')) %>%
mutate(across(where(is.numeric), ~round(., 1))) %>%
rename_with(.fn = ~str_remove(.,'bill_length_mm')) %>%
flextable() %>%
separate_header()species | Biscoe | Dream | Torgersen | |||
|---|---|---|---|---|---|---|
M | SD | M | SD | M | SD | |
Adelie | 39.0 | 2.5 | 38.5 | 2.5 | 39 | 3 |
Chinstrap | 48.8 | 3.3 | ||||
Gentoo | 47.5 | 3.1 | ||||
“Spezies” können wir auch in deutsch übertiteln:
summary_table %>%
select(Spezies = species, matches('Bis'), matches('Dre'), matches('Tor')) %>%
mutate(across(where(is.numeric), ~round(., 1))) %>%
rename_with(.fn = ~str_remove(.,'_bill_length_mm')) %>%
flextable() %>%
separate_header()Spezies | Biscoe | Dream | Torgersen | |||
|---|---|---|---|---|---|---|
M | SD | M | SD | M | SD | |
Adelie | 39.0 | 2.5 | 38.5 | 2.5 | 39 | 3 |
Chinstrap | 48.8 | 3.3 | ||||
Gentoo | 47.5 | 3.1 | ||||
Und die statistischen Kennwerte kursiv setzen:
summary_table %>%
select(Spezies = species, matches('Bis'), matches('Dre'), matches('Tor')) %>%
mutate(across(where(is.numeric), ~round(., 1))) %>%
rename_with(.fn = ~str_remove(.,'_bill_length_mm')) %>%
flextable() %>%
separate_header() %>%
style(i = 2,part = 'header',
pr_t = fp_text_default(italic = T))Spezies | Biscoe | Dream | Torgersen | |||
|---|---|---|---|---|---|---|
M | SD | M | SD | M | SD | |
Adelie | 39.0 | 2.5 | 38.5 | 2.5 | 39 | 3 |
Chinstrap | 48.8 | 3.3 | ||||
Gentoo | 47.5 | 3.1 | ||||
Im flextable-Paket gibt es außerdem die theme_apa-Funktion, die den Text und die Abstände nach APA formatiert:
summary_table %>%
select(Spezies = species, matches('Bis'), matches('Dre'), matches('Tor')) %>%
mutate(across(where(is.numeric), ~round(., 1))) %>%
rename_with(.fn = ~str_remove(.,'_bill_length_mm')) %>%
flextable() %>%
separate_header() %>%
italic(part ="header", i= 2) %>%
theme_apa()Spezies | Biscoe | Dream | Torgersen | |||
|---|---|---|---|---|---|---|
M | SD | M | SD | M | SD | |
Adelie | 39.00 | 2.50 | 38.50 | 2.50 | 39.00 | 3.00 |
Chinstrap | 48.80 | 3.30 | ||||
Gentoo | 47.50 | 3.10 | ||||
Außerdem können wir Linien unter den Inseln einfügen:
summary_table %>%
select(Spezies = species, matches('Bis'), matches('Dre'), matches('Tor')) %>%
mutate(across(where(is.numeric), ~round(., 1))) %>%
rename_with(.fn = ~str_remove(.,'_bill_length_mm')) %>%
flextable() %>%
separate_header() %>%
italic(part ="header", i= 2) %>%
theme_apa() %>%
hline(i = 1, j = -1,part = 'header',
border= list(width = 0.1, color = "black", style = "solid"))Spezies | Biscoe | Dream | Torgersen | |||
|---|---|---|---|---|---|---|
M | SD | M | SD | M | SD | |
Adelie | 39.00 | 2.50 | 38.50 | 2.50 | 39.00 | 3.00 |
Chinstrap | 48.80 | 3.30 | ||||
Gentoo | 47.50 | 3.10 | ||||
Zuletzt mpssen wir noch die “stub”-Spalte linksbündig formatieren:
summary_table %>%
select(Spezies = species, matches('Bis'), matches('Dre'), matches('Tor')) %>%
mutate(across(where(is.numeric), ~round(., 1))) %>%
rename_with(.fn = ~str_remove(.,'_bill_length_mm')) %>%
flextable() %>%
separate_header() %>%
italic(part ="header", i= 2) %>%
theme_apa() %>%
hline(i = 1, j = -1,part = 'header',
border= list(width = 0.1, color = "black", style = "solid")) %>%
align_text_col()Spezies | Biscoe | Dream | Torgersen | |||
|---|---|---|---|---|---|---|
M | SD | M | SD | M | SD | |
Adelie | 39.00 | 2.50 | 38.50 | 2.50 | 39.00 | 3.00 |
Chinstrap | 48.80 | 3.30 | ||||
Gentoo | 47.50 | 3.10 | ||||
Damit ist das Format der Tabelle erstmal fertig.
Wir können, wenn wir die Tabelle nicht in quarto einbinden wollen, auch einen Export in eine Word-Datei aus einem R-Skript durchführen:
summary_table %>%
select(Spezies = species, matches('Bis'), matches('Dre'), matches('Tor')) %>%
mutate(across(where(is.numeric), ~round(., 1))) %>%
rename_with(.fn = ~str_remove(.,'_bill_length_mm')) %>%
flextable() %>%
separate_header() %>%
italic(part ="header", i= 2) %>%
theme_apa() %>%
hline(i = 1, j = -1,part = 'header',
border= list(width = 0.1, color = "black", style = "solid")) %>%
align_text_col() %>%
save_as_docx(path = 'flextable_out.docx')Der Export ist in Abbildung 9.2 zu sehen.
Im Abschnitt zu quarto haben wir ja schon die chunk-Optionen zur Einbindung von Grafiken im Text besprochen. Ähnliche Optionen gibt es auch für Tabellen in quarto-Dokumenten.
Auch bei Tabellen muss, damit die Tabelle referenziert werden kann und numeriert wird, eine label-Option gesetzt werden. Statt dem Präfix “fig” müssen wir bei Tabellen aber den Präfix “tbl” vorstellen.
Damit sähe ein Chunk mit der Tabelle von gerade wie folgt aus:
#| label: tbl-penguinSummary
summary_table %>%
select(Spezies = species, matches('Bis'), matches('Dre'), matches('Tor')) %>%
mutate(across(where(is.numeric), ~round(., 1))) %>%
rename_with(.fn = ~str_remove(.,'_bill_length_mm')) %>%
flextable() %>%
separate_header() %>%
italic(part ="header", i= 2) %>%
theme_apa() %>%
hline(i = 1, j = -1,part = 'header',
border= list(width = 0.1, color = "black", style = "solid")) %>%
align_text_col()Daneben können wir auch wieder Beschriftungen einfügen, diesmal mit der Chunk-Option tbl-cap:
#| label: tbl-penguinSummary
#| tbl-cap: Mittelwerte und Streuungen der Schnabellängen der beobachteten Pinguin-Populationen aufgeteilt nach Spezies und Insel.
summary_table %>%
select(Spezies = species, matches('Bis'), matches('Dre'), matches('Tor')) %>%
mutate(across(where(is.numeric), ~round(., 1))) %>%
rename_with(.fn = ~str_remove(.,'_bill_length_mm')) %>%
flextable() %>%
separate_header() %>%
italic(part ="header", i= 2) %>%
theme_apa() %>%
hline(i = 1, j = -1,part = 'header',
border= list(width = 0.1, color = "black", style = "solid")) %>%
align_text_col()Das Ergebnis ist in diesem quarto-Dokument in Tabelle 9.1 zu sehen.
summary_table %>%
select(Spezies = species, matches('Bis'), matches('Dre'), matches('Tor')) %>%
mutate(across(where(is.numeric), ~round(., 1))) %>%
rename_with(.fn = ~str_remove(.,'_bill_length_mm')) %>%
flextable() %>%
separate_header() %>%
italic(part ="header", i= 2) %>%
theme_apa() %>%
hline(i = 1, j = -1,part = 'header',
border= list(width = 0.1, color = "black", style = "solid")) %>%
align_text_col() Spezies | Biscoe | Dream | Torgersen | |||
|---|---|---|---|---|---|---|
M | SD | M | SD | M | SD | |
Adelie | 39.00 | 2.50 | 38.50 | 2.50 | 39.00 | 3.00 |
Chinstrap | 48.80 | 3.30 | ||||
Gentoo | 47.50 | 3.10 | ||||
Bauen Sie die mit apaTables in Aufgabe 1 im Abschnitt zu apaTables gebaute Tabelle mit flextable nach und fügen diese zu dem bereits erstellten quarto-Dokument hinzu. Sie können gern auf die Note am unteren Rand verzichten. Oder sie lesen die Dokumentation von add_footer_lines und fügen die Notiz hinzu.
Der Code-Chunk könnte so oder so ähnlich aussehen:
#| label: tbl-irisSummary
#| tbl-cap: Descriptive statistics for Petal.Length as a function of Species.
iris %>%
group_by(Species) %>%
summarise(M = mean(Petal.Length), SD = sd(Petal.Length)) %>%
flextable() %>%
italic(part ="header", i= 1, j = 2:3) %>%
theme_apa() %>%
hline(i = 1, j = -1,part = 'header',
border= list(width = 0.1, color = "black", style = "solid")) %>%
align_text_col() %>%
add_footer_lines('Note. M and SD represent mean and standard deviation, respectively.')Das Ergebnis sieht dann so aus:
iris %>%
group_by(Species) %>%
summarise(M = mean(Petal.Length), SD = sd(Petal.Length)) %>%
flextable() %>%
italic(part ="header", i= 1, j = 2:3) %>%
theme_apa() %>%
hline(i = 1, j = -1,part = 'header',
border= list(width = 0.1, color = "black", style = "solid")) %>%
align_text_col() %>%
add_footer_lines('Note. M and SD represent mean and standard deviation, respectively.')Species | M | SD |
|---|---|---|
setosa | 1.46 | 0.17 |
versicolor | 4.26 | 0.47 |
virginica | 5.55 | 0.55 |
Note. M and SD represent mean and standard deviation, respectively. | ||
Überfliegen Sie das Kapitel zu visuellen Eigenschaften im flextable-Buch und machen Sie die Tabelle so bunt, wie Ihre Augen es aushalten. Ändern Sie sonst noch gern alles, was die Erfahrung weniger angenehm macht.
tab = iris %>%
group_by(Species) %>%
summarise(M = mean(Petal.Length), SD = sd(Petal.Length)) %>%
flextable() %>%
italic(part ="header", i= 1, j = 2:3) %>%
theme_apa() %>%
hline(i = 1, j = -1,part = 'header',
border= list(width = 0.1, color = "black", style = "solid")) %>%
align_text_col() %>%
add_footer_lines('Note. M and SD represent mean and standard deviation, respectively.') %>%
bg(bg = "hotpink", part = "all") %>%
bg(bg = "darksalmon", part = "header")%>%
bg(bg = "violetred", part = "footer")
rows = rep(1:3, times = 3)
cols = rep(1:3, each = 3)
colors = c('cyan', 'lawngreen', 'firebrick1', 'mediumorchid')
for(i in 1:9){
color <- colors[round(sqrt(rows[i]**2 + cols[i]**2))]
tab <- tab %>%
style(rows[i], cols[i], fp_text_default(shading.color = color))
}
tabSpecies | M | SD |
|---|---|---|
setosa | 1.46 | 0.17 |
versicolor | 4.26 | 0.47 |
virginica | 5.55 | 0.55 |
Note. M and SD represent mean and standard deviation, respectively. | ||
papajaIm Gegensatz zu den beiden bisher vorgestellten Paketen ist papaja (Aust & Barth, 2023) nicht nur ein Paket für Tabellen, sondern ein framework zur Erstellung ganzer Berichte. Mit papaja erstellte RMarkdown-Dokumente werden direkt vollständig in APA-Format gerendert2. Außerdem gibt es noch einen ganzen Haufen an Plots, die von papaja angeboten werden.
2 Rmarkdown ist der Vorgänger von quarto. Da quarto in Zukunft wesentlich mehr Support und Features verspricht, werden in diesem Workshop die papaja-Rmarkdown-Dokumente ausgelassen.
Für diesen Workshop sind aber zwei Features besonders interessant:
apa_print und apa_table. In beide Funktionen lassen sich Ergebnisse von einer Reihe von statistischen Ergebnissen übergeben und Inline-Ergebnis-Prints und Tabellen erstellen.
Am Beispiel der linearen Regression vom Anfang des Abschnitts zu tidymodels, könnte das Vorgehen wie folgt aussehen. Zuerst erstellen wir unseren Modell-Fit:
lm_model <- linear_reg()
lm_fit <- lm_model %>%
fit(price ~ sqft + beds, data = Sacramento)Dann lassen wir uns den fit als als apa_print ausgeben:
library(papaja)Loading required package: tinylabels
Attaching package: 'papaja'The following object is masked from 'package:flextable':
theme_apaThe following object is masked from 'package:infer':
conf_intlm_fit$fit %>%
apa_print() $estimate
$estimate$Intercept
[1] "$b = 60,850.54$, 95\\% CI $[40,392.19, 81,308.90]$"
$estimate$sqft
[1] "$b = 161.34$, 95\\% CI $[150.86, 171.81]$"
$estimate$beds
[1] "$b = -26,035.15$, 95\\% CI $[-34,604.71, -17,465.58]$"
$estimate$modelfit
$estimate$modelfit$r2
[1] "$R^2 = .60$, 90\\% CI $[0.57, 0.64]$"
$estimate$modelfit$r2_adj
[1] "$R^2_{adj} = .60$"
$estimate$modelfit$aic
[1] "$\\mathrm{AIC} = 23,753.79$"
$estimate$modelfit$bic
[1] "$\\mathrm{BIC} = 23,773.14$"
$statistic
$statistic$Intercept
[1] "$t(929) = 5.84$, $p < .001$"
$statistic$sqft
[1] "$t(929) = 30.22$, $p < .001$"
$statistic$beds
[1] "$t(929) = -5.96$, $p < .001$"
$statistic$modelfit
$statistic$modelfit$r2
[1] "$F(2, 929) = 708.47$, $p < .001$"
$full_result
$full_result$Intercept
[1] "$b = 60,850.54$, 95\\% CI $[40,392.19, 81,308.90]$, $t(929) = 5.84$, $p < .001$"
$full_result$sqft
[1] "$b = 161.34$, 95\\% CI $[150.86, 171.81]$, $t(929) = 30.22$, $p < .001$"
$full_result$beds
[1] "$b = -26,035.15$, 95\\% CI $[-34,604.71, -17,465.58]$, $t(929) = -5.96$, $p < .001$"
$full_result$modelfit
$full_result$modelfit$r2
[1] "$R^2 = .60$, 90\\% CI $[0.57, 0.64]$, $F(2, 929) = 708.47$, $p < .001$"
$table
A data.frame with 6 labelled columns:
term estimate conf.int statistic df p.value
1 Intercept 60,850.54 [40,392.19, 81,308.90] 5.84 929 < .001
2 Sqft 161.34 [150.86, 171.81] 30.22 929 < .001
3 Beds -26,035.15 [-34,604.71, -17,465.58] -5.96 929 < .001
term : Predictor
estimate : $b$
conf.int : 95\\% CI
statistic: $t$
df : $\\mathit{df}$
p.value : $p$
attr(,"class")
[1] "apa_results" "list" Im Print sehen wir schon als Inline-Code formatierte Strings, die wir zum Beispiel so in den Text einfügen können:
Der Beitrag der Wohnungsgröße zum Modell zur Aufklärung des Wohnungspreises war signifikant von 0 unterschiedlich ($b = 161.34$, 95\% CI $[150.86, 171.81]$, $t(929) = 30.22$, $p < .001$).Im Text sähe der Satz dann wie folgt aus:
Der Beitrag der Wohnungsgröße zum Modell zur Aufklärung des Wohnungspreises war signifikant von 0 unterschiedlich (\(b = 161.34\), 95% CI \([150.86, 171.81]\), \(t(929) = 30.22\), \(p < .001\)).
Den Output von apa_print können wir mit apa_table dann auch direkt als Tabelle rendern:
lm_fit$fit %>%
apa_print() %>%
apa_table()| Predictor | \(b\) | 95% CI | \(t\) | \(\mathit{df}\) | \(p\) |
|---|---|---|---|---|---|
| Intercept | 60,850.54 | [40,392.19, 81,308.90] | 5.84 | 929 | < .001 |
| Sqft | 161.34 | [150.86, 171.81] | 30.22 | 929 | < .001 |
| Beds | -26,035.15 | [-34,604.71, -17,465.58] | -5.96 | 929 | < .001 |
Der Output ist dabei eine markdown-Tabelle. Das heißt das unsere Formatierungsmöglichkeiten aus dem Abschnitt zu flextable auch hier funktionieren. Der folgende Chunk:
#| label: tbl-papajaModelfit
#| tbl-cap: Tabelle mit den Ergebnissen der Beispielregression
lm_fit$fit %>%
apa_print() %>%
apa_table()wird zu:
| Predictor | \(b\) | 95% CI | \(t\) | \(\mathit{df}\) | \(p\) |
|---|---|---|---|---|---|
| Intercept | 60,850.54 | [40,392.19, 81,308.90] | 5.84 | 929 | < .001 |
| Sqft | 161.34 | [150.86, 171.81] | 30.22 | 929 | < .001 |
| Beds | -26,035.15 | [-34,604.71, -17,465.58] | -5.96 | 929 | < .001 |
Rechnen Sie einen t-Test (t.test) mit der Breite der Blütenblätter als AV und den Spezies setosa und versicolor als Gruppen.
test_data <- iris %>%
filter(Species %in% c('setosa', 'versicolor')) %>%
select(Species, Petal.Width)
test = t.test(Petal.Width ~ Species, data = test_data)Fügen Sie die Ergebnisse des t-Tests als inline-Code und als Tabelle in ein quarto-Dokument ein.
#| label: tbl-ttest
#| tbl-cap: Ergebnisse des t-Tests
test_print <- apa_print(test)
apa_table(test_print)| \(\Delta M\) | 95% CI | \(t\) | \(\mathit{df}\) | \(p\) |
|---|---|---|---|---|
| -1.08 | [-1.14, -1.02] | -34.08 | 74.75 | < .001 |
Der Test war signifikant \(\Delta M = -1.08\), 95% CI \([-1.14, -1.02]\), \(t(74.75) = -34.08\), \(p < .001\).