Data Science Miniprojekt
Angela
2026-05-29
````r
Zusammensetzung der Studienanfänger:innen in Deutschland
Der Datensatz beschreibt die Zusammensetzung der Studienanfänger:innen in Deutschland von 2000 bis 2022 nach Wegen der Studienberechtigung und Hochschularten auf Basis von Daten des Statistischen Bundesamtes.
Forschungsfrage
Wie haben sich alternative Wege zur Studienberechtigung im Vergleich zum klassischen Gymnasium im Zeitverlauf entwickelt?
Vorbereitung der Daten
Pakete laden
library(readxl)
library(dplyr)
library(tidyr)
library(ggplot2)Datensatz einlesen (robust, aber seminar-konform)
raw <- read_excel(
"/Users/angelamaidhof/Documents/01 Uni /04_PH Elmeb/f3.xlsx",
col_names = FALSE,
skip = 6,
na = c("", "–", ":", ": u", ": b")
)## New names:
## • `` -> `...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`head(raw)## # A tibble: 6 × 52
## ...1 ...2 ...3 ...4 ...5 ...6 ...7 ...8 ...9 ...10 ...11
## <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Gymnasiu… 68.5… 63.8 65.1 64.4 62.8 65.0 62.1 61.7 60.0 59.8
## 2 (Berufs-… 2.95… 4.64 4.85 5.16 5.36 4.91 5.10 4.95 4.92 4.62
## 3 Fachober… 7.74… 9.09 7.90 8.18 8.48 7.79 7.92 7.58 7.52 7.18
## 4 Zweiter … 2.44… 3.03 3.06 3.25 3.36 3.27 3.41 3.27 3.28 3.19
## 5 Dritter … 0.37… 0.705 0.874 1.18 1.80 2.14 2.32 2.36 2.57 2.33
## 6 Begabten… 0.26… 0.282 0.212 0.222 0.187 0.148 0.175 0.212 0.171 0.119
## # ℹ 41 more variables: ...12 <dbl>, ...13 <dbl>, ...14 <dbl>, ...15 <dbl>,
## # ...16 <dbl>, ...17 <dbl>, ...18 <dbl>, ...19 <chr>, ...20 <dbl>,
## # ...21 <dbl>, ...22 <dbl>, ...23 <dbl>, ...24 <dbl>, ...25 <dbl>,
## # ...26 <dbl>, ...27 <dbl>, ...28 <dbl>, ...29 <dbl>, ...30 <dbl>,
## # ...31 <dbl>, ...32 <dbl>, ...33 <dbl>, ...34 <dbl>, ...35 <dbl>,
## # ...36 <chr>, ...37 <dbl>, ...38 <dbl>, ...39 <dbl>, ...40 <dbl>,
## # ...41 <dbl>, ...42 <dbl>, ...43 <dbl>, ...44 <dbl>, ...45 <dbl>, …Spaltennamen setzen (wie im Seminar, aber abgesichert)
jahre <- c(2000, 2005, 2008:2022)
col_names <- c(
"kategorie",
paste0("Insgesamt_", jahre),
paste0("Uni_", jahre),
paste0("FH_", jahre)
)
# Sicherheit: nur zuweisen, wenn Struktur passt
raw <- raw[, 1:length(col_names)]
names(raw) <- col_namesErste Datenexploration
head(raw)## # A tibble: 6 × 52
## kategorie Insgesamt_2000 Insgesamt_2005 Insgesamt_2008 Insgesamt_2009
## <chr> <chr> <dbl> <dbl> <dbl>
## 1 Gymnasium, Fachgy… 68.5931394403… 63.8 65.1 64.4
## 2 (Berufs-)Fachschu… 2.95265007474… 4.64 4.85 5.16
## 3 Fachoberschule 7.74730534211… 9.09 7.90 8.18
## 4 Zweiter Bildungsw… 2.44584458839… 3.03 3.06 3.25
## 5 Dritter Bildungsw… 0.37913210017… 0.705 0.874 1.18
## 6 Begabtenprüfung 0.26220046446… 0.282 0.212 0.222
## # ℹ 47 more variables: Insgesamt_2010 <dbl>, Insgesamt_2011 <dbl>,
## # Insgesamt_2012 <dbl>, Insgesamt_2013 <dbl>, Insgesamt_2014 <dbl>,
## # Insgesamt_2015 <dbl>, Insgesamt_2016 <dbl>, Insgesamt_2017 <dbl>,
## # Insgesamt_2018 <dbl>, Insgesamt_2019 <dbl>, Insgesamt_2020 <dbl>,
## # Insgesamt_2021 <dbl>, Insgesamt_2022 <dbl>, Uni_2000 <chr>, Uni_2005 <dbl>,
## # Uni_2008 <dbl>, Uni_2009 <dbl>, Uni_2010 <dbl>, Uni_2011 <dbl>,
## # Uni_2012 <dbl>, Uni_2013 <dbl>, Uni_2014 <dbl>, Uni_2015 <dbl>, …nrow(raw)## [1] 35ncol(raw)## [1] 52names(raw)## [1] "kategorie" "Insgesamt_2000" "Insgesamt_2005" "Insgesamt_2008"
## [5] "Insgesamt_2009" "Insgesamt_2010" "Insgesamt_2011" "Insgesamt_2012"
## [9] "Insgesamt_2013" "Insgesamt_2014" "Insgesamt_2015" "Insgesamt_2016"
## [13] "Insgesamt_2017" "Insgesamt_2018" "Insgesamt_2019" "Insgesamt_2020"
## [17] "Insgesamt_2021" "Insgesamt_2022" "Uni_2000" "Uni_2005"
## [21] "Uni_2008" "Uni_2009" "Uni_2010" "Uni_2011"
## [25] "Uni_2012" "Uni_2013" "Uni_2014" "Uni_2015"
## [29] "Uni_2016" "Uni_2017" "Uni_2018" "Uni_2019"
## [33] "Uni_2020" "Uni_2021" "Uni_2022" "FH_2000"
## [37] "FH_2005" "FH_2008" "FH_2009" "FH_2010"
## [41] "FH_2011" "FH_2012" "FH_2013" "FH_2014"
## [45] "FH_2015" "FH_2016" "FH_2017" "FH_2018"
## [49] "FH_2019" "FH_2020" "FH_2021" "FH_2022"Datenbereinigung
df <- raw %>%
mutate(zeile = row_number()) %>%
filter(zeile %in% c(1:9, 11:18, 24:29, 31:35)) %>%
mutate(
tabelle = if_else(zeile <= 18,
"Weg_zur_Studienberechtigung",
"Art_der_Studienberechtigung"),
ausland = if_else(zeile %in% c(1:9, 24:29),
"inkl_ausland",
"ohne_ausland")
) %>%
select(-zeile)
head(df)## # A tibble: 6 × 54
## kategorie Insgesamt_2000 Insgesamt_2005 Insgesamt_2008 Insgesamt_2009
## <chr> <chr> <dbl> <dbl> <dbl>
## 1 Gymnasium, Fachgy… 68.5931394403… 63.8 65.1 64.4
## 2 (Berufs-)Fachschu… 2.95265007474… 4.64 4.85 5.16
## 3 Fachoberschule 7.74730534211… 9.09 7.90 8.18
## 4 Zweiter Bildungsw… 2.44584458839… 3.03 3.06 3.25
## 5 Dritter Bildungsw… 0.37913210017… 0.705 0.874 1.18
## 6 Begabtenprüfung 0.26220046446… 0.282 0.212 0.222
## # ℹ 49 more variables: Insgesamt_2010 <dbl>, Insgesamt_2011 <dbl>,
## # Insgesamt_2012 <dbl>, Insgesamt_2013 <dbl>, Insgesamt_2014 <dbl>,
## # Insgesamt_2015 <dbl>, Insgesamt_2016 <dbl>, Insgesamt_2017 <dbl>,
## # Insgesamt_2018 <dbl>, Insgesamt_2019 <dbl>, Insgesamt_2020 <dbl>,
## # Insgesamt_2021 <dbl>, Insgesamt_2022 <dbl>, Uni_2000 <chr>, Uni_2005 <dbl>,
## # Uni_2008 <dbl>, Uni_2009 <dbl>, Uni_2010 <dbl>, Uni_2011 <dbl>,
## # Uni_2012 <dbl>, Uni_2013 <dbl>, Uni_2014 <dbl>, Uni_2015 <dbl>, …Wide → Long Format
Die Jahresspalten werden in eine einzige Spalte
anteil_pct überführt. Jede Zeile entspricht danach einer
Kombination aus Kategorie, Hochschulart und Jahr.
df_long <- df %>%
mutate(across(-c(kategorie, tabelle, ausland), as.character)) %>%
pivot_longer(
cols = -c(kategorie, tabelle, ausland),
names_to = c("hochschulart", "jahr"),
names_sep = "_",
values_to = "anteil_pct"
) %>%
mutate(
jahr = as.numeric(jahr),
anteil_pct = as.numeric(anteil_pct)
)
head(df_long)## # A tibble: 6 × 6
## kategorie tabelle ausland hochschulart jahr anteil_pct
## <chr> <chr> <chr> <chr> <dbl> <dbl>
## 1 Gymnasium, Fachgymnasium, Gesam… Weg_zu… inkl_a… Insgesamt 2000 68.6
## 2 Gymnasium, Fachgymnasium, Gesam… Weg_zu… inkl_a… Insgesamt 2005 63.8
## 3 Gymnasium, Fachgymnasium, Gesam… Weg_zu… inkl_a… Insgesamt 2008 65.1
## 4 Gymnasium, Fachgymnasium, Gesam… Weg_zu… inkl_a… Insgesamt 2009 64.4
## 5 Gymnasium, Fachgymnasium, Gesam… Weg_zu… inkl_a… Insgesamt 2010 62.8
## 6 Gymnasium, Fachgymnasium, Gesam… Weg_zu… inkl_a… Insgesamt 2011 65.0Fehlende Werte
sum(is.na(df_long))## [1] 78colSums(is.na(df_long))## kategorie tabelle ausland hochschulart jahr anteil_pct
## 0 0 0 0 0 78Der Datensatz enthält fehlende Werte in der Spalte
anteil_pct. Dies ist darauf zurückzuführen, dass nicht alle
Kategorien für jeden Zeitpunkt erhoben wurden — beispielsweise fehlen
für die Kategorie “Eignungsprüfung Kunst/Musik” die Werte ab 2016. Die
Analyse ist dadurch potenziell eingeschränkt, da Mittelwerte nur auf
Basis verfügbarer Beobachtungen berechnet werden.
Deskriptive Statistik
summary(df_long)## kategorie tabelle ausland hochschulart
## Length:1428 Length:1428 Length:1428 Length:1428
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## jahr anteil_pct
## Min. :2000 Min. : 0.01821
## 1st Qu.:2010 1st Qu.: 1.05225
## Median :2014 Median : 2.70058
## Mean :2014 Mean :15.10796
## 3rd Qu.:2018 3rd Qu.:16.37208
## Max. :2022 Max. :97.48074
## NA's :78sort(table(df_long$kategorie), decreasing = TRUE)##
## Dritter Bildungsweg
## 204
## (Berufs-)Fachschule, Berufsoberschule, Fachakademie
## 102
## Allgemeine Hochschulreife
## 102
## Ausländische Studienberechtigung (einschließlich Studienkolleg)
## 102
## Begabtenprüfung
## 102
## Eignungsprüfung Kunst/Musik
## 102
## Fachgebundene Hochschulreife
## 102
## Fachhochschulreife
## 102
## Fachoberschule
## 102
## Gymnasium, Fachgymnasium, Gesamtschule
## 102
## Ohne Angabe
## 102
## Sonstiges und ohne Angabe
## 102
## Zweiter Bildungsweg
## 102Visualisierung
Boxplot über Jahre
jahre_vec <- c(2000, 2005, 2010, 2015, 2019, 2022)
df_plot <- df_long %>%
filter(
hochschulart == "Insgesamt",
ausland == "inkl_ausland",
jahr %in% jahre_vec
)
boxplot(
anteil_pct ~ jahr,
data = df_plot,
main = "Verteilung der Anteilswerte über die Zeit",
xlab = "Jahr",
ylab = "Anteil in %"
)
Zeitlicher Verlauf
mean_df <- df_long %>%
filter(
hochschulart == "Insgesamt",
ausland == "inkl_ausland"
) %>%
group_by(jahr) %>%
summarise(
mittelwert = mean(anteil_pct, na.rm = TRUE),
.groups = "drop"
)
plot(mean_df$jahr, mean_df$mittelwert,
type = "b",
main = "Durchschnittlicher Anteilswert über die Zeit",
xlab = "Jahr",
ylab = "Durchschnitt in %")
Top 5 Kategorien 2022
df_2022 <- df_long %>%
filter(
hochschulart == "Insgesamt",
ausland == "inkl_ausland",
jahr == 2022
) %>%
group_by(kategorie) %>%
summarise(
mittelwert = mean(anteil_pct, na.rm = TRUE),
.groups = "drop"
) %>%
arrange(desc(mittelwert))
barplot(
df_2022$mittelwert[1:5],
names.arg = df_2022$kategorie[1:5],
las = 2,
main = "Top 5 Kategorien 2022",
ylab = "Anteil (%)"
)
Limitationen
Limitationen sind z.B., dass fehlende Werte für einzelne Kategorien und Jahre die Ergebnisse verzerren können. Die Analyse hier stellt nur eine erste grobe Analyse da und beantwortet nicht vollumfänglich die ursprüngliche Forschungsfrage. Außerdem beziehen sich die Anteilswerte beziehen jeweils auf den Anteil einer Bildungsgruppe an allen Studienanfänger:innen, nicht auf absolute Zahlen. Darüber hinaus handelt es sich hier um Prozentanteile und keine absoluten Zahlen - was mit Blick auf das Skalenniveau problematisch ist für inferenzstatistische Berechnungen.
Ergebnisse
Die Analyse zeigt, dass das Gymnasium über den gesamten Zeitraum von 2000 bis 2022 der dominante Weg zur Studienberechtigung bleibt, jedoch mit sinkender Tendenz. Gleichzeitig gewinnen alternative Wege wie der Dritte Bildungsweg und ausländische Studienberechtigungen an Bedeutung. Die Verteilung der Anteilswerte ist rechtsschief, da das Gymnasium deutlich höhere Werte aufweist als alle anderen Kategorien. Zwischen Universitäten und Fachhochschulen zeigen sich strukturelle Unterschiede: Fachhochschulen weisen einen deutlich höheren Anteil an Studienanfänger:innen mit Fachoberschulreife auf.
```