Słownik metodologiczny · Programy statystyczne

R (język programowania) – czym jest, jak działa i jak go opisać w pracy

R to darmowy język i środowisko do analizy danych i grafiki, rozszerzane tysiącami pakietów z repozytorium CRAN. Wyjaśniamy, jak zbudowany jest R, jak wygląda pierwszy skrypt analizy, co zrobić, by wyniki dało się odtworzyć, oraz jak zacytować R i pakiety w pracy.

W skrócie: R to darmowy (licencja GNU GPL) język programowania i środowisko do obliczeń statystycznych i grafiki, rozszerzane pakietami z repozytorium CRAN. Analizę zapisujesz w skrypcie, który odtwarza wszystkie kroki od danych do wyników. W pracy podaj wersję R i użytych pakietów, zacytuj je (funkcja citation()) i sprawdź, czy skrypt działa od zera w nowej sesji.

Co to jest R?

R to darmowy język programowania i środowisko do obliczeń statystycznych i grafiki. Strona projektu opisuje go jako projekt GNU podobny do języka S, oferujący szeroki zakres metod – od klasycznych testów i modeli liniowych po szeregi czasowe, klasyfikację i grupowanie – oraz łatwo rozszerzalny o nowe funkcje (The R Foundation, b.d.). W odróżnieniu od programów „okienkowych”, takich jak SPSS, analizę w R zapisujesz jako polecenia w skrypcie: pliku tekstowym, który za każdym razem odtwarza wszystkie kroki – od wczytania danych po tabele i wykresy.

R jest wolnym oprogramowaniem na licencji GNU GPL (sam pakiet R: GPL-2 lub GPL-3) i działa w systemach Linux i innych uniksowych, Windows i macOS (The R Foundation, b.d.). W psychologii używa się go coraz częściej, także w pracach dyplomowych: przez pakiety dostępne są m.in. modele równań strukturalnych (lavaan), modele mieszane (lme4) i analizy psychometryczne (psych).

Jak zbudowany jest R: język, pakiety, CRAN

Podstawowe elementy pracy w R
ElementCo to jestPrzykład
ObiektWszystko, co przechowuje dane lub wynik: wektor, ramka danych, modeldane <- read.csv("ankieta.csv")
FunkcjaPolecenie przyjmujące argumenty i zwracające wynikt.test(godziny ~ grupa, data = sen)
PakietZbiór funkcji, danych i dokumentacji rozszerzający Rlavaan, psych, haven
CRANOficjalne repozytorium pakietówinstall.packages("psych")
SkryptPlik .R z poleceniami, uruchamiany od początku do końcaanaliza-pracy-magisterskiej.R

W dniu przygotowania tej strony (21 października 2026 r.) repozytorium CRAN zawierało 25 418 pakietów i 50 przeglądów tematycznych (Task Views), które pomagają znaleźć pakiety do konkretnego rodzaju analiz (The Comprehensive R Archive Network, b.d.). Ta liczba to siła i słabość R jednocześnie: do większości analiz jest kilka pakietów, które mogą różnić się domyślnymi ustawieniami. Dlatego w raporcie zawsze podawaj, których pakietów i wersji użyłeś.

Wersje. Według strony projektu wersja 4.6.1 ukazała się 24 czerwca 2026 r., a wydanie 4.6.2 zaplanowano na 29 października 2026 r.; wersja 4.5.3 z 11 marca 2026 r. zamyka serię 4.5 (The R Foundation, b.d.). Przykład na tej stronie policzono w R 4.5.3 – w pracy podaj wersję, której faktycznie użyłeś.

Przykład: pierwszy skrypt analizy

Porównujemy czas snu 40 studentów mierzonych poza sesją i 40 w trakcie sesji (dane symulowane). Skrypt w sekcji z kodem robi pięć rzeczy: liczy statystyki opisowe, wykonuje test t dla prób niezależnych, liczy d Cohena własną funkcją, zapisuje i wczytuje dane w formacie SPSS oraz wypisuje informacje potrzebne do cytowania.

  • Poza sesją studenci spali średnio 7.22 godziny (SD = 0.79), w sesji 6.34 godziny (SD = 0.90).
  • Funkcja t.test() domyślnie liczy test Welcha, a nie klasyczny test Studenta – w wyniku widać „Welch Two Sample t-test” i ułamkowe stopnie swobody: t(76.74) = 4.66, p < .001, różnica 0.89 godziny, 95% CI [0.51, 1.26]. To przykład domyślnego ustawienia, które warto znać (zob. test Welcha).
  • Jeśli brakuje gotowej funkcji, piszesz własną: kilka linijek daje d = 1.04.
  • Pakiet haven zapisuje i wczytuje pliki .sav razem z etykietami wartości (Wickham i in., 2025), więc dane z SPSS lub PSPP możesz analizować w R bez ręcznego przepisywania.

Cały proces – od eksportu danych z formularza do pliku dla R – opisuje poradnik o danych z Google Forms i LimeSurvey, a przygotowanie zbioru – tekst jak przygotować bazę danych do analizy.

Instalowanie i wybór pakietów

Pakiet instalujesz raz poleceniem install.packages("nazwa"), a w każdej nowej sesji wczytujesz funkcją library(nazwa). Pakiety w CRAN są regularnie testowane w systemach Debian, Fedora, macOS i Windows, a wyniki tych testów są publiczne (The Comprehensive R Archive Network, b.d.). Przy wyborze pakietu do pracy dyplomowej kieruj się trzema pytaniami:

  • Czy jest w CRAN? Stronę pakietu znajdziesz pod stałym adresem w postaci https://CRAN.R-project.org/package=nazwa – jest tam opis, wersja, autorzy i dokumentacja.
  • Czy jest w przeglądzie tematycznym? Task Views zbierają pakiety do konkretnych zastosowań, np. psychometrii czy analizy danych z pomiarów powtarzanych.
  • Czy wiesz, co liczy domyślnie? Przeczytaj pomoc funkcji (?nazwa_funkcji) – szczególnie domyślne metody estymacji, korekty i postępowanie z brakami danych.

Liczbę pakietów ogranicz do niezbędnych: każdy kolejny to dodatkowa zależność, którą trzeba zainstalować, zacytować i utrzymać w działającej wersji.

Skrypt a odtwarzalność wyników

Największa zaleta R w pracy naukowej to nie liczba metod, lecz to, że skrypt jest pełnym zapisem analizy. Recenzent lub promotor może go uruchomić i dostać te same liczby, a Ty możesz po miesiącu poprawić jeden krok i przeliczyć wszystko. To R-owy odpowiednik składni poleceń w SPSS i PSPP.

Sam skrypt nie gwarantuje jednak odtwarzalności. Trisovic i in. (2022) uruchomili w czystym środowisku ponad 9000 plików R z repozytoriów replikacyjnych: 74% zakończyło się błędem przy pierwszym uruchomieniu, a 56% nadal po automatycznym oczyszczeniu kodu. Typowe przyczyny to ścieżki do plików na komputerze autora, brakujące pakiety i zmiany w nowszych wersjach. Dobre praktyki:

  1. Używaj ścieżek względnych i jednego folderu projektu (dane, skrypty, wyniki).
  2. Na początku skryptu wczytaj wszystkie pakiety (library()), na końcu zapisz sessionInfo().
  3. Przy losowaniu (bootstrap, symulacje, imputacja) ustaw ziarno: set.seed().
  4. Nie zmieniaj danych ręcznie poza skryptem – każde rekodowanie i wykluczenie zapisz w kodzie.
  5. Przed oddaniem uruchom skrypt od zera w nowej sesji R.

Jak przygotować kod i dane do udostępnienia, pokazuje poradnik pakiet replikacyjny: dane i kod do artykułu (zob. też open science).

Jak opisać i zacytować R w pracy

Zalecany sposób cytowania wypisuje funkcja citation() (R Core Team, 2026); pakiety cytujesz poleceniem citation("nazwa_pakietu"), a ich wersje sprawdzasz funkcją packageVersion(). Wzór zdania do części o metodzie:

Analizy wykonano w programie R (wersja 4.5.3; R Core Team, 2026). Pliki danych w formacie SPSS wczytano pakietem haven (wersja 2.5.5; Wickham i in., 2025). Różnice średnich porównano testem t Welcha. Pełny skrypt analizy jest dostępny w załączniku.

Pozycja w bibliografii (APA 7): R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/

R na tle innych programów statystycznych
CechaRProgramy z menu (np. SPSS, PSPP, JASP, jamovi)
Sposób pracyKod w skrypcieOkna dialogowe, opcjonalnie składnia
Zakres metodBardzo szeroki dzięki pakietomZależny od wersji i modułów programu
OdtwarzalnośćWbudowana (skrypt), jeśli zapisano wersje pakietówWymaga zapisania składni lub pliku analizy
Próg wejściaWyższy – trzeba poznać podstawy językaNiższy na start

Darmowe programy z interfejsem graficznym opisują hasła JASP i jamovi, a porównanie wielu narzędzi – poradnik bezpłatne programy do analizy statystycznej.

Przykład reprodukowalny

Przykład w R

Krótki, kompletny skrypt: dane, statystyki opisowe, test t, własna funkcja, wymiana danych z SPSS i informacje do cytowania. Liczby w tekście pochodzą z tego kodu.

Pierwszy skrypt analizy w R

Dane wejściowe: 80 studentów, czas snu w godzinach w dwóch grupach (dane symulowane, set.seed(2201)).

Co odczytać: średnie i SD w grupach, nazwę testu („Welch Two Sample t-test”), t, df, p i 95% CI różnicy, wartość d, strukturę wczytanego pliku .sav z etykietami wartości oraz wersję R, wersję pakietu i tekst cytowania.

R
# Dane symulowane: czas snu (godziny) 80 studentów – 40 mierzonych poza sesją i 40 w trakcie sesji
set.seed(2201)
sen <- data.frame(grupa = factor(rep(c("poza sesją", "w sesji"), each = 40)),
                  godziny = round(c(rnorm(40, 7.1, 0.9), rnorm(40, 6.5, 1.0)), 1))

# 1. Statystyki opisowe w grupach
aggregate(godziny ~ grupa, data = sen, FUN = function(x) round(c(M = mean(x), SD = sd(x), n = length(x)), 2))

# 2. Test t – w R funkcja t.test() domyślnie liczy wersję Welcha (bez założenia równych wariancji)
t.test(godziny ~ grupa, data = sen)

# 3. Własna funkcja: d Cohena z połączonym odchyleniem standardowym
d_cohena <- function(x, y) {
  sp <- sqrt(((length(x) - 1) * var(x) + (length(y) - 1) * var(y)) / (length(x) + length(y) - 2))
  (mean(x) - mean(y)) / sp
}
round(with(sen, d_cohena(godziny[grupa == "poza sesją"], godziny[grupa == "w sesji"])), 2)

# 4. Wymiana danych z SPSS i PSPP: zapis i odczyt pliku .sav pakietem haven
plik <- file.path(tempdir(), "sen.sav")
haven::write_sav(sen, plik)
str(haven::read_sav(plik))

# 5. Informacje do sekcji o metodzie: wersja R, wersja pakietu i sposób cytowania
R.version.string
packageVersion("haven")
print(citation(), style = "text")
Wynik w R
       grupa godziny.M godziny.SD godziny.n
1 poza sesją      7.22       0.79     40.00
2    w sesji      6.34       0.90     40.00

	Welch Two Sample t-test

data:  godziny by grupa
t = 4.6606, df = 76.735, p-value = 1.304e-05
alternative hypothesis: true difference in means between group poza sesją and group w sesji is not equal to 0
95 percent confidence interval:
 0.5068593 1.2631407
sample estimates:
mean in group poza sesją    mean in group w sesji
                   7.225                    6.340

[1] 1.04
tibble [80 × 2] (S3: tbl_df/tbl/data.frame)
 $ grupa  : dbl+lbl [1:80] 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1...
   ..@ format.spss: chr "F8.0"
   ..@ labels     : Named num [1:2] 1 2
   .. ..- attr(*, "names")= chr [1:2] "poza sesją" "w sesji"
 $ godziny: num [1:80] 8 7.1 8.3 7.4 7.8 6.4 7 9.4 6.7 9.3 ...
  ..- attr(*, "format.spss")= chr "F8.2"
[1] "R version 4.5.3 (2026-03-11)"
[1] ‘2.5.5’
R Core Team (2026). _R: A Language and Environment for Statistical
Computing_. R Foundation for Statistical Computing, Vienna, Austria.
<https://www.R-project.org/>.

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 z pakietem haven.

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. haven (wersja 2.5.5): Wickham, H., Miller, E., & Smith, D. (2025). haven: Import and export 'SPSS', 'Stata' and 'SAS' files [R package]. https://doi.org/10.32614/CRAN.package.haven

Najczęstsze błędy

  • Brak wersji R i pakietów w pracy. „Analizy wykonano w R” nie wystarcza – różne wersje pakietów mogą dać inne wyniki lub domyślne ustawienia.
  • Nieznajomość ustawień domyślnych. Przykład: t.test() liczy test Welcha, a cor.test() – korelację Pearsona; jeśli opisujesz inną procedurę, ustaw argument jawnie.
  • Ścieżki bezwzględne i ręczne poprawki w danych. Skrypt, który działa tylko na Twoim komputerze, nie jest zapisem analizy.
  • Brak set.seed() przy losowaniu. Wyniki bootstrapu czy imputacji zmieniają się wtedy przy każdym uruchomieniu.
  • Kopiowanie kodu bez zrozumienia. R wykona każdą poprawną składniowo analizę, także nieadekwatną do danych; wybór metody nadal należy do Ciebie (zob. jak dobrać test statystyczny do hipotezy).
  • Instalowanie pakietów wewnątrz skryptu analizy. Polecenie install.packages() przy każdym uruchomieniu może pobrać nowszą wersję i zmienić wyniki; zainstaluj raz, a w skrypcie tylko wczytuj pakiety.
  • Niezacytowanie pakietów. Autorzy pakietów proszą o cytowanie; tekst cytowania wypisuje citation("nazwa_pakietu").

Najczęstsze pytania

Czy program R jest darmowy?

Tak. R jest wolnym oprogramowaniem na licencji GNU GPL i można go bezpłatnie pobrać z repozytorium CRAN na systemy Windows, macOS i Linux. Darmowe są też pakiety z CRAN, choć każdy ma własną licencję.

Jak zacytować program R w pracy magisterskiej?

Wpisz w R polecenie citation() – wypisze ono zalecany opis. W APA 7: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/ – z rokiem i wersją, których faktycznie użyłeś.

Czym jest pakiet w R?

To zbiór funkcji, danych i dokumentacji, który rozszerza możliwości R, np. lavaan do SEM czy psych do analiz psychometrycznych. Instalujesz go raz poleceniem install.packages(), a w każdej sesji wczytujesz funkcją library().

Czy w R można otworzyć plik z SPSS?

Tak, np. pakietem haven: haven::read_sav("plik.sav") wczytuje dane razem z etykietami wartości, a haven::write_sav() zapisuje plik, który otworzysz w SPSS lub PSPP.

Dlaczego wynik testu t w R różni się od SPSS?

Najczęściej dlatego, że funkcja t.test() domyślnie liczy test Welcha, a SPSS pokazuje w tabeli oba warianty. Jeśli chcesz klasyczny test Studenta, dodaj argument var.equal = TRUE.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/ ● Otwarty dostęp
  2. The Comprehensive R Archive Network. (b.d.). CRAN: Contributed packages. Pobrano 26 października 2026 z https://cran.r-project.org/web/packages/ ● Otwarty dostęp
  3. The R Foundation. (b.d.). The R Project for Statistical Computing. Pobrano 26 października 2026 z https://www.r-project.org/ ● Otwarty dostęp
  4. Trisovic, A., Lau, M. K., Pasquier, T., & Crosas, M. (2022). A large-scale study on research code quality and execution. Scientific Data, 9(1), Article 60. https://doi.org/10.1038/s41597-022-01143-6 ● Otwarty dostęp
  5. Wickham, H., Miller, E., & Smith, D. (2025). haven: Import and export 'SPSS', 'Stata' and 'SAS' files (Version 2.5.5) [R package]. https://doi.org/10.32614/CRAN.package.haven ● Otwarty dostęp

Cytowania BibTeX

@misc{rcoreteam2026r, author={{R Core Team}}, title={{R: A language and environment for statistical computing [Computer software]}}, year={2026}, publisher={R Foundation for Statistical Computing}, url={https://www.R-project.org/}}
@misc{crannd, author={{The Comprehensive R Archive Network}}, title={{CRAN: Contributed packages}}, url={https://cran.r-project.org/web/packages/}}
@misc{rfoundationndr, author={{The R Foundation}}, title={{The R Project for Statistical Computing}}, url={https://www.r-project.org/}}
@article{trisovic2022large, author={Trisovic, Ana and Lau, Matthew K. and Pasquier, Thomas and Crosas, Mercè}, title={{A large-scale study on research code quality and execution}}, journal={Scientific Data}, year={2022}, volume={9}, number={1}, eid={60}, doi={10.1038/s41597-022-01143-6}}
@misc{wickham2025haven, author={Wickham, Hadley and Miller, Evan and Smith, Danny}, title={{haven: Import and export 'SPSS', 'Stata' and 'SAS' files (R package version 2.5.5) [Computer software]}}, year={2025}, doi={10.32614/cran.package.haven}}
R