Wie exportiert man R-Ergebnisse für eine Abschlussarbeit?

Welche Export-Optionen stehen zur Verfügung?

R-Ergebnisse lassen sich auf mehreren Wegen in eine Abschlussarbeit überführen. Die richtige Wahl hängt davon ab, was Sie exportieren möchten – eine einzelne Tabelle, eine Grafik oder gleich einen vollständigen Ergebnisbericht – und welches Format Ihre Hochschule fordert.

Grundsätzlich gibt es drei Ansätze:

• Manueller Export: Einzelne Tabellen oder Grafiken werden gezielt als Datei gespeichert (z. B. als .docx, .png oder .csv).
• Pakete für Tabellen: Spezialisierte R-Pakete wie modelsummary, flextable oder stargazer erzeugen formatierte Ergebnistabellen in verschiedenen Ausgabeformaten.
• R Markdown / Quarto: Analyse-Code, Ergebnisse und Begleittext werden in einem einzigen reproduzierbaren Dokument zusammengeführt und dann als PDF, Word oder HTML gerendert.

Für die meisten Abschlussarbeiten empfiehlt sich eine Kombination: Grafiken werden als hochauflösende Bilddateien exportiert, Modell- und Deskriptivtabellen über ein Tabellenpaket direkt nach Word oder LaTeX ausgegeben, und der Gesamtworkflow idealerweise in R Markdown dokumentiert.

Tabellen exportieren: Word, Excel und LaTeX

Tabellen sind der häufigste Exportbedarf in Abschlussarbeiten: Deskriptive Statistiken, Regressionstabellen, Gruppenvergleiche oder Modellgüte-Kennwerte müssen sauber formatiert in das Abgabedokument. Hier haben sich zwei Pakete besonders bewährt.

modelsummary – der flexibelste Ansatz

Das Paket modelsummary ist speziell für wissenschaftliche Publikationen und Abschlussarbeiten konzipiert. Es unterstützt über hundert Modelltypen und gibt Tabellen direkt in Word, LaTeX, HTML, Excel, PowerPoint und RTF aus – ohne manuelles Nachformatieren.

Der grundlegende Befehl ist denkbar einfach. Angenommen, Sie haben ein lineares Regressionsmodell mod geschätzt:

# Pakete laden
library(modelsummary)

# Modell schätzen
mod <- lm(lebenszufriedenheit ~ alter + einkommen + bildungsjahre, data = df)

# Export nach Word
modelsummary(mod, output = "tabelle_regression.docx",
             stars = TRUE,
             title = "Tabelle 1: Lineare Regression – Prädiktoren der Lebenszufriedenheit")

# Export nach LaTeX
modelsummary(mod, output = "tabelle_regression.tex",
             stars = TRUE)

# Deskriptive Statistiken exportieren
datasummary_skim(df, output = "tabelle_deskriptiv.docx")

Die exportierte Word-Datei enthält bereits formatierte Spaltenköpfe, Signifikanzsterne und Standardfehler in Klammern – so wie es in wissenschaftlichen Zeitschriften üblich ist. Für eine Regressionsanalyse in R bedeutet das: Modell schätzen, eine Zeile exportieren, fertig.

openxlsx und writexl – für Excel-Tabellen

Wenn Sie Rohdaten oder Zwischenergebnisse in Excel ausgeben möchten – etwa für den Anhang –, eignen sich die Pakete openxlsx oder writexl:

library(writexl)

# Dataframe als Excel-Datei speichern
write_xlsx(ergebnisse_df, path = "anhang_deskriptivstatistik.xlsx")

stargazer – klassisch für LaTeX-Nutzer

Wer seine Abschlussarbeit in LaTeX schreibt, kennt oft schon stargazer. Es erzeugt direkt LaTeX-Code für Regressionstabellen:

library(stargazer)

stargazer(mod, type = "latex",
          title = "Lineare Regression: Prädiktoren der Lebenszufriedenheit",
          label = "tab:regression",
          out = "tabelle_regression.tex")

Für reine Word-Dokumente ist modelsummary inzwischen die flexiblere Wahl. stargazer bleibt aber für LaTeX-Nutzer eine bewährte Option.

Grafiken exportieren: druckfertig für die Abschlussarbeit

Grafiken aus R – egal ob mit Base-R oder ggplot2 erstellt – müssen in einer ausreichenden Auflösung exportiert werden. Für Druckdokumente gilt: mindestens 300 dpi, besser 600 dpi. Für digitale Einreichungen reicht oft 150–300 dpi.

Grafiken mit ggsave() speichern

Bei ggplot2-Grafiken ist ggsave() die empfohlene Funktion. Sie erkennt das Dateiformat automatisch anhand der Dateiendung:

library(ggplot2)

p <- ggplot(df, aes(x = alter, y = lebenszufriedenheit)) +
  geom_point() +
  geom_smooth(method = "lm") +
  labs(title = "Zusammenhang von Alter und Lebenszufriedenheit",
       x = "Alter (in Jahren)",
       y = "Lebenszufriedenheit (1–10)")

# Als hochauflösendes PNG (für Word/PDF)
ggsave("abbildung1_streudiagramm.png", plot = p,
       width = 15, height = 10, units = "cm", dpi = 300)

# Als Vektorgrafik (ideal für LaTeX)
ggsave("abbildung1_streudiagramm.pdf", plot = p,
       width = 15, height = 10, units = "cm")

Der Vorteil von PDF als Ausgabeformat: Vektorgrafiken skalieren verlustfrei und sehen bei jedem Zoom gestochen scharf aus – ein klarer Vorteil für LaTeX-Dokumente.

Base-R-Grafiken speichern

Für Grafiken aus dem Base-R-System öffnen Sie ein Grafikgerät, zeichnen die Grafik und schließen das Gerät wieder:

# PNG exportieren
png("abbildung2_histogramm.png", width = 1800, height = 1200, res = 300)
hist(df$lebenszufriedenheit,
     main = "Verteilung der Lebenszufriedenheit",
     xlab = "Lebenszufriedenheit",
     col = "steelblue")
dev.off()

R Markdown: Analyse und Text in einem Dokument

Der eleganteste Weg, R-Ergebnisse für eine Abschlussarbeit aufzubereiten, ist R Markdown. Statt Tabellen und Grafiken manuell in ein Word-Dokument zu kopieren, werden Code, Ergebnisse und Fließtext direkt in einer .Rmd-Datei kombiniert – vollständig reproduzierbar, weil narrativer Text und Analysecode in einer Notebook-ähnlichen Oberfläche verwoben sind.

Das bedeutet: Ändern sich Ihre Daten oder Ihre Analyseparameter, aktualisieren sich alle Tabellen und Grafiken im Dokument automatisch beim nächsten Rendern. Für Abschlussarbeiten, die mehrere Überarbeitungsschleifen durchlaufen, ist das ein erheblicher Zeitvorteil.

YAML-Header und Ausgabeformat festlegen

Das Ausgabeformat wird im YAML-Header der .Rmd-Datei definiert:

---
title: "Ergebnisse der empirischen Analyse"
author: "Vorname Nachname"
date: "`r Sys.Date()`"
output:
  word_document:
    toc: true
  pdf_document:
    toc: true
    number_sections: true
---

Mit dem Knit-Button in RStudio wird die Datei in das erste gelistete Format gerendert. Über das Dropdown-Menü neben dem Knit-Button können Sie auch direkt in ein anderes Format wechseln.

Dokumente per Code rendern

Wer den Export automatisieren möchte, nutzt render() direkt aus R. Über das Argument output_format lässt sich dabei festlegen, in welches Format die .Rmd-Datei exportiert wird – zum Beispiel als Word-Dokument:

library(rmarkdown)

# Als Word-Dokument exportieren
render("auswertung_abschlussarbeit.Rmd",
       output_format = "word_document")

# Als PDF exportieren (LaTeX-Installation nötig)
render("auswertung_abschlussarbeit.Rmd",
       output_format = "pdf_document")

# Als HTML exportieren (z. B. für Online-Anhang)
render("auswertung_abschlussarbeit.Rmd",
       output_format = "html_document")

Unterstützte Dokumentformate umfassen html_document, pdf_document, word_document, odt_document, rtf_document und md_document – sowie Präsentationsformate für Kolloquien und wissenschaftliche Artikel für Repositorien.

Wann lohnt sich R Markdown für die Abschlussarbeit?

R Markdown ist besonders sinnvoll, wenn:

• Sie viele Tabellen und Grafiken haben, die Sie sonst manuell einfügen müssten,
• Ihre Betreuenden Wert auf Reproduzierbarkeit legen,
• Sie mehrere Analyseversionen durchlaufen und keine Inkonsistenzen zwischen Code und Darstellung riskieren möchten,
• Sie eine Dissertation schreiben, bei der Methodentransparenz besonders wichtig ist.

Für eine kurze Bachelorarbeit mit wenigen Analysen ist der manuelle Export über modelsummary und ggsave() oft schneller. Das klingt pragmatisch – und ist es auch.

Empfohlener Workflow für die Abschlussarbeit

In der Praxis hat sich folgender Ablauf für das Exportieren von R-Ergebnissen bewährt:

Wer die richtigen R-Pakete für die statistische Auswertung von Anfang an einsetzt, spart sich beim Export viel Nacharbeit. Besonders modelsummary, flextable und ggplot2 sind als Trio für wissenschaftliche Berichte ideal aufeinander abgestimmt.

Ein häufig unterschätzter Schritt: Legen Sie Ausgabepfade zu Beginn des Projekts als Variablen fest. So können Sie später alle Exporte mit einem einzigen Skriptdurchlauf regenerieren – ohne mühsame Suche nach verstreuten Dateipfaden.

# Pfade zentral definieren
pfad_tabellen <- "output/tables/"
pfad_grafiken <- "output/figures/"

# Verwendung
modelsummary(mod, output = paste0(pfad_tabellen, "tabelle_regression.docx"))
ggsave(paste0(pfad_grafiken, "abbildung1.png"), plot = p, dpi = 300)

Häufige Fehler beim Exportieren

Beim Export von R-Ergebnissen passieren immer wieder dieselben Fehler. Hier sind die wichtigsten mit konkreten Lösungen:

Falls Sie unsicher sind, ob Ihre Auswertung methodisch korrekt aufgebaut ist – und nicht erst beim Export merken möchten, dass etwas nicht stimmt –, lohnt ein Blick auf professionelle Unterstützung bei der statistischen Auswertung mit R. Gerade bei komplexeren Verfahren wie der Faktorenanalyse in R oder beim Interpretieren des Regressions-Outputs entstehen schnell Fehler, die sich bis in den Export ziehen.