Long-Format
In diesem Beitrag
Was versteht man unter Long-Format?
Das Long-Format (auch Längsformat oder Tidy Data genannt) ist eine Datenstruktur, bei der jede einzelne Beobachtung in einer eigenen Zeile steht und jede Variable in einer eigenen Spalte. Wenn dieselbe Person oder Einheit zu mehreren Zeitpunkten oder unter mehreren Bedingungen gemessen wurde, erscheint sie entsprechend oft in der Datentabelle – einmal pro Messung.
Formal lässt sich das Long-Format durch drei Merkmale beschreiben:
- Eine ID-Spalte identifiziert die Untersuchungseinheit (z. B. Personen-ID).
- Eine Bedingungsspalte (auch Gruppierungs- oder Zeitvariable) gibt an, zu welchem Zeitpunkt oder unter welcher Bedingung die Messung erfolgte.
- Eine Wertspalte enthält den eigentlichen Messwert.
Das Gegenstück ist das Wide-Format: Dort hat jede Untersuchungseinheit genau eine Zeile, und die wiederholten Messungen sind auf mehrere Spalten verteilt.
Warum ist Long-Format für statistische Analysen wichtig?
Die meisten modernen Statistikprogramme und Analysefunktionen erwarten Daten im Long-Format. Das gilt insbesondere für:
- Varianzanalysen mit Messwiederholung (Repeated Measures ANOVA): Softwarepakete wie SPSS, R (lme4, ez) oder Python (pingouin) verlangen die Daten häufig im Long-Format.
- Gemischte Modelle (Mixed Models / Linear Mixed Effects Models): Hier ist das Long-Format zwingend erforderlich.
- Visualisierungen: Bibliotheken wie ggplot2 (R) oder seaborn (Python) arbeiten am effizientesten mit Long-Format-Daten.
Ein weiterer Vorteil ist die Flexibilität: Neue Messzeitpunkte oder Bedingungen lassen sich einfach als neue Zeilen ergänzen, ohne die Tabellenstruktur verändern zu müssen.
pivot_longer(), in Python mit pd.melt() oder in SPSS über „Umstrukturieren“. Wer diesen Schritt vergisst oder falsch durchführt, erhält fehlerhafte Analyseergebnisse. Praxisbeispiel zu Long-Format
Angenommen, du untersuchst den Blutdruck von drei Patientinnen und Patienten zu zwei Messzeitpunkten (vor und nach einer Behandlung). Im Wide-Format sieht der Datensatz so aus:
| ID | Blutdruck_vorher | Blutdruck_nachher |
|---|---|---|
| 1 | 140 | 130 |
| 2 | 135 | 125 |
| 3 | 150 | 138 |
Dieselben Daten im Long-Format sehen hingegen so aus:
| ID | Zeitpunkt | Blutdruck |
|---|---|---|
| 1 | vorher | 140 |
| 1 | nachher | 130 |
| 2 | vorher | 135 |
| 2 | nachher | 125 |
| 3 | vorher | 150 |
| 3 | nachher | 138 |
Der Datensatz hat nun doppelt so viele Zeilen, aber eine klare, einheitliche Struktur. In dieser Form kann er direkt in eine Messwiederholungs-ANOVA oder ein gemischtes Modell eingegeben werden, ohne weitere Umformatierung.
