R Under development (unstable) (2025-08-17 r88631 ucrt) -- "Unsuffered Consequences" Copyright (C) 2025 The R Foundation for Statistical Computing Platform: x86_64-w64-mingw32/x64 R is free software and comes with ABSOLUTELY NO WARRANTY. You are welcome to redistribute it under certain conditions. Type 'license()' or 'licence()' for distribution details. R is a collaborative project with many contributors. Type 'contributors()' for more information and 'citation()' on how to cite R or R packages in publications. Type 'demo()' for some demos, 'help()' for on-line help, or 'help.start()' for an HTML browser interface to help. Type 'q()' to quit R. > # This file is part of the standard setup for testthat. > # It is recommended that you do not modify it. > # > # Where should you do additional test configuration? > # Learn more about the roles of various files in: > # * https://r-pkgs.org/testing-design.html#sec-tests-files-overview > # * https://testthat.r-lib.org/articles/special-files.html > > library(testthat) > library(trendtestR) > > test_check("trendtestR") Attaching package: 'lubridate' The following objects are masked from 'package:base': date, intersect, setdiff, union === Zeitreihen-Analysebericht === Laenge: 60 | Wertebereich: -0.39065 15.93704 Datum: 2024-01-01 bis 2025-02-17 Frequenz: 52 === Bewertung der Modellierungsnotwendigkeit === Laenge: 60 | Ljung-Box p: 0 ARIMA-Modellierung wird empfohlen. === Stationaritaetstests === ADF: p = 0.5415 | KPSS: p = 0.0100 Empfohlene nicht-saisonale Differenzierung (d): 1 Eine einfache Differenzierung (d = 1) wird empfohlen. Empfohlene saisonale Differenzierung (D): 0 (bei Frequenz = 52) === ARIMA-Empfehlung === Nicht stationaer. Differenzierung empfohlen. === Zeitreihen-Analysebericht === Laenge: 60 | Wertebereich: 0.1 0.1 Frequenz: 52 === Bewertung der Modellierungsnotwendigkeit === Laenge: 60 | Ljung-Box p: NaN ARIMA-Modellierung wird nicht empfohlen, da die Serie keine ausreichende Struktur fuer eine Modellierung aufweist. Analyse wurde fruehzeitig beendet. Basisinformationen sind im Rueckgabeobjekt enthalten. === Zeitreihen-Analysebericht === Laenge: 40 | Wertebereich: -2.11374 2.38266 Frequenz: 12 === Bewertung der Modellierungsnotwendigkeit === Laenge: 40 | Ljung-Box p: 0.3552 ARIMA-Modellierung wird nicht empfohlen, da die Serie keine ausreichende Struktur fuer eine Modellierung aufweist. Analyse wurde fruehzeitig beendet. Basisinformationen sind im Rueckgabeobjekt enthalten. === Zeitreihen-Analysebericht === Laenge: 102 | Wertebereich: -12 10 Datum: 2020-01-01 bis 2021-12-08 Frequenz: 52 === IQR-Ausreisserpruefung === Anzahl potenzieller Ausreisser: 2 Z.B. an: 2020-12-16 2020-12-23 === Bewertung der Modellierungsnotwendigkeit === Laenge: 102 | Ljung-Box p: 0.4231 ARIMA-Modellierung wird nicht empfohlen, da die Serie keine ausreichende Struktur fuer eine Modellierung aufweist. Analyse wurde fruehzeitig beendet. Basisinformationen sind im Rueckgabeobjekt enthalten. === Zeitreihen-Analysebericht === Laenge: 100 | Wertebereich: -2.11374 2.38266 Datum: 2020-01-01 bis 2021-11-24 Frequenz: 52 === Bewertung der Modellierungsnotwendigkeit === Laenge: 100 | Ljung-Box p: 0.1872 ARIMA-Modellierung wird nicht empfohlen, da die Serie keine ausreichende Struktur fuer eine Modellierung aufweist. Analyse wurde fruehzeitig beendet. Basisinformationen sind im Rueckgabeobjekt enthalten. === Zeitreihen-Analysebericht === Laenge: 100 | Wertebereich: 0.8349 3.14309 Frequenz: 4 === Bewertung der Modellierungsnotwendigkeit === Laenge: 100 | Ljung-Box p: 0 ARIMA-Modellierung wird empfohlen. === Stationaritaetstests === ADF: p = 0.0896 | KPSS: p = 0.1000 Empfohlene nicht-saisonale Differenzierung (d): 0 (Die Serie scheint ohne Differenzierung stationaer zu sein.) Empfohlene saisonale Differenzierung (D): 1 (bei Frequenz = 4) Saisonale Struktur erkannt: saisonale Differenzierung (z.B. diff(x, lag = frequency)) wird empfohlen. === STL-Zerlegung === Saisonale Staerke: 0.99 === ARIMA-Empfehlung === Nicht stationaer. Differenzierung empfohlen. Spalte 'datum' ist bereits ein Datums- oder POSIXct-Objekt. Keine Konvertierung noetig. Standardisierung abgeschlossen: Datumsbereich: 2024-01-01: 2025-03-25 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 0 Input Value Spalte Datentyp: continuous (Merkmal: symmetric) Spalte 'datum' ist bereits ein Datums- oder POSIXct-Objekt. Keine Konvertierung noetig. Standardisierung abgeschlossen: Datumsbereich: 2024-01-01: 2025-03-25 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 0 Input Value Spalte Datentyp: continuous (Merkmal: symmetric) factor granularity shapiro_W shapiro_p normal levene_p bartlett_p group1.W...1 2024 day 0.978 0.3430 ja NA NA group2.W...2 2025 day 0.978 0.3509 ja NA NA group1.W...3 2024 week 0.852 0.0792 ja NA NA group2.W...4 2025 week 0.959 0.7839 ja NA NA data_type group1.W...1 numeric group2.W...2 numeric group1.W...3 numeric group2.W...4 numeric Spalte 'datum' ist bereits ein Datums- oder POSIXct-Objekt. Keine Konvertierung noetig. Standardisierung abgeschlossen: Datumsbereich: 2024-03-01: 2025-05-24 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 0 Input Value Spalte Datentyp: continuous (Merkmal: symmetric) Spalte 'datum' ist bereits ein Datums- oder POSIXct-Objekt. Keine Konvertierung noetig. Standardisierung abgeschlossen: Datumsbereich: 2024-03-01: 2025-05-24 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 0 Input Value Spalte Datentyp: continuous (Merkmal: symmetric) factor granularity shapiro_W shapiro_p normal levene_p ...1 2024 vs 2025 day 0.982 0.5069 ja NA group1.W 2024 week 0.932 0.4652 ja NA group2.W 2025 week 0.948 0.6422 ja NA bartlett_p data_type ...1 NA numeric group1.W NA numeric group2.W NA numeric Spalte 'datum' ist bereits ein Datums- oder POSIXct-Objekt. Keine Konvertierung noetig. Standardisierung abgeschlossen: Datumsbereich: 2023-03-01: 2025-05-08 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 0 Input Value Spalte Datentyp: continuous (Merkmal: symmetric) Spalte 'datum' ist bereits ein Datums- oder POSIXct-Objekt. Keine Konvertierung noetig. Standardisierung abgeschlossen: Datumsbereich: 2023-03-01: 2025-05-08 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 0 Input Value Spalte Datentyp: continuous (Merkmal: symmetric) factor granularity shapiro_W shapiro_p normal levene_p bartlett_p 2023.W...1 2023 day 0.979 0.3888 ja 0.9731 0.9485 2024.W...2 2024 day 0.978 0.3252 ja 0.9731 0.9485 2025.W...3 2025 day 0.965 0.0787 ja 0.9731 0.9485 2023.W...4 2023 week 0.922 0.4108 ja 0.6285 0.4506 2024.W...5 2024 week 0.900 0.2215 ja 0.6285 0.4506 2025.W...6 2025 week 0.894 0.1866 ja 0.6285 0.4506 data_type 2023.W...1 numeric 2024.W...2 numeric 2025.W...3 numeric 2023.W...4 numeric 2024.W...5 numeric 2025.W...6 numeric Spalte 'datum' ist bereits ein Datums- oder POSIXct-Objekt. Keine Konvertierung noetig. Standardisierung abgeschlossen: Datumsbereich: 2024-01-01: 2025-03-25 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 0 Input Value Spalte Datentyp: discrete Spalte 'datum' ist bereits ein Datums- oder POSIXct-Objekt. Keine Konvertierung noetig. Standardisierung abgeschlossen: Datumsbereich: 2024-01-01: 2025-03-25 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 0 Input Value Spalte Datentyp: discrete factor granularity shapiro_W shapiro_p normal levene_p bartlett_p 1 2024 day NA NA nicht anwendbar NA NA 2 2025 day NA NA nicht anwendbar NA NA 3 2024 week NA NA nicht anwendbar NA NA 4 2025 week NA NA nicht anwendbar NA NA data_type 1 count 2 count 3 count 4 count Spalte 'datum' ist bereits ein Datums- oder POSIXct-Objekt. Keine Konvertierung noetig. Standardisierung abgeschlossen: Datumsbereich: 2024-01-01: 2025-03-25 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 0 Input Value Spalte Datentyp: continuous (Merkmal: symmetric) Spalte 'datum' ist bereits ein Datums- oder POSIXct-Objekt. Keine Konvertierung noetig. Standardisierung abgeschlossen: Datumsbereich: 2024-01-01: 2025-03-25 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 0 Input Value Spalte Datentyp: continuous (Merkmal: symmetric) factor granularity shapiro_W shapiro_p normal levene_p bartlett_p group1.W...1 2024 day 0.978 0.3430 ja NA NA group2.W...2 2025 day 0.978 0.3509 ja NA NA group1.W...3 2024 week 0.852 0.0792 ja NA NA group2.W...4 2025 week 0.959 0.7839 ja NA NA data_type group1.W...1 numeric group2.W...2 numeric group1.W...3 numeric group2.W...4 numeric Spalte 'datum' ist bereits ein Datums- oder POSIXct-Objekt. Keine Konvertierung noetig. Standardisierung abgeschlossen: Datumsbereich: 2024-01-01: 2025-03-25 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 0 Input Value Spalte Datentyp: continuous (Merkmal: symmetric) Spalte 'datum' ist bereits ein Datums- oder POSIXct-Objekt. Keine Konvertierung noetig. Standardisierung abgeschlossen: Datumsbereich: 2024-01-01: 2025-03-25 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 0 Input Value Spalte Datentyp: continuous (Merkmal: symmetric) factor granularity shapiro_W shapiro_p normal levene_p bartlett_p group1.W...1 2024 day 0.978 0.3430 ja NA NA group2.W...2 2025 day 0.978 0.3509 ja NA NA group1.W...3 2024 week 0.852 0.0792 ja NA NA group2.W...4 2025 week 0.959 0.7839 ja NA NA data_type group1.W...1 numeric group2.W...2 numeric group1.W...3 numeric group2.W...4 numeric Spalte 'datum' ist bereits ein Datums- oder POSIXct-Objekt. Keine Konvertierung noetig. Standardisierung abgeschlossen: Datumsbereich: 2024-12-25: 2025-01-10 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 0 Input Value Spalte Datentyp: discrete Spalte 'datum' ist bereits ein Datums- oder POSIXct-Objekt. Keine Konvertierung noetig. Standardisierung abgeschlossen: Datumsbereich: 2024-12-28: 2025-01-05 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 0 Input Value Spalte Datentyp: count Spalte 'datum' ist bereits ein Datums- oder POSIXct-Objekt. Keine Konvertierung noetig. Standardisierung abgeschlossen: Datumsbereich: 2025-01-01: 2025-01-12 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 2 Input Value Spalte Datentyp: continuous (Merkmal: symmetric) `geom_smooth()` using formula = 'y ~ x' GAM-Modell erkannt. Fuehre gam.check() aus. Hinweis: Fuer 'zeroinfl'-Modelle wird residual_type = 'response' verwendet. [explore_poisson_trend] Passe Poisson-GAM an... [explore_poisson_trend] Overdispersion (Phi): 0.682 [explore_poisson_trend] Passe Poisson-GAM an... [explore_poisson_trend] Overdispersion (Phi): 2.104 [explore_poisson_trend] Overdispersion erkannt, versuche NB-GAM... [explore_poisson_trend] NB-GAM gewaehlt. [explore_poisson_trend] Passe Poisson-GAM an... [explore_poisson_trend] Overdispersion (Phi): 1.15 [explore_poisson_trend] Overdispersion erkannt, versuche NB-GAM... Waehle explore_continuous_trend() fuer stetige Daten. Versuche Anpassung mit Gaussian GLM (Standard LM) ... Daten sind alle positiv, versuche Gamma GLM zum AIC-Vergleich ... Gamma GLM gewaehlt (niedrigerer AIC). Vuong Non-Nested Hypothesis Test-Statistic: (test-statistic is asymptotically distributed N(0,1) under the null that the models are indistinguishible) ------------------------------------------------------------- Vuong z-statistic H_A p-value Raw -7.821681 model2 > model1 2.6061e-15 AIC-corrected -7.821681 model2 > model1 2.6061e-15 BIC-corrected -7.821681 model2 > model1 2.6061e-15 [explore_zinb_trend] Nur ZINB Modell wird angepasst (family ist nicht 'auto'). Hinweis: Variable sieht aus wie eine kumulative Zaehlvariable. Anzahl gueltiger Wochen: 11 Mittelwert: 130.82 Standardabweichung: 35.51 95%-Konfidenzintervall: [ 109.83 , 151.8 ] Anzahl gueltiger Wochen: 11 Mittelwert: 140.73 Standardabweichung: 16.18 95%-Konfidenzintervall: [ 131.17 , 150.29 ] Anzahl gueltiger Wochen: 11 Mittelwert: 19.16 Standardabweichung: 1.74 95%-Konfidenzintervall: [ 18.13 , 20.18 ] Anzahl gueltiger Wochen: 11 Mittelwert: 122.79 Standardabweichung: 35.77 95%-Konfidenzintervall: [ 101.65 , 143.93 ] Plots gespeichert unter: D:\temp\2025_08_18_10_45_17_17468\RtmpUlPuQx Anzahl gueltiger Wochen: 6 Mittelwert: 61.17 Standardabweichung: 27.06 95%-Konfidenzintervall: [ 39.52 , 82.82 ] Anzahl gueltiger Wochen: 6 Mittelwert: 91.83 Standardabweichung: 34.95 95%-Konfidenzintervall: [ 63.87 , 119.8 ] Anzahl gueltiger Wochen: 6 Mittelwert: 91.83 Standardabweichung: 34.95 95%-Konfidenzintervall: [ 63.87 , 119.8 ] Anzahl gueltiger Wochen: 6 Mittelwert: 91.83 Standardabweichung: 34.95 95%-Konfidenzintervall: [ 63.87 , 119.8 ] ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: group Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.01). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.1). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. Hinweis: Ueberdispersion erkannt, versuche Negative Binomial Regression. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. Hinweis: Ueberdispersion erkannt, versuche Negative Binomial Regression. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Hinweis: Ueberdispersion erkannt, versuche Negative Binomial Regression. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Gesamttest signifikant (p < 0.05). Fuehre Post-Hoc-Tests durch. Hinweis: Spalte 'jahr' wurde in einen Faktor umgewandelt. Waiting for profiling to be done... Hinweis: Spalte 'jahr' wurde in einen Faktor umgewandelt. Hinweis: Ueberdispersion erkannt, versuche Negative Binomial Regression. Waiting for profiling to be done... Hinweis: Spalte 'jahr' wurde in einen Faktor umgewandelt. Waiting for profiling to be done... Hinweis: Spalte 'jahr' wurde in einen Faktor umgewandelt. Waiting for profiling to be done... Waiting for profiling to be done... Hinweis: Spalte 'jahr' wurde in einen Faktor umgewandelt. Waiting for profiling to be done... Hinweis: Spalte 'jahr' wurde in einen Faktor umgewandelt. Hinweis: Spalte 'jahr' wurde in einen Faktor umgewandelt. Hinweis: Spalte 'jahr' wurde in einen Faktor umgewandelt. Hinweis: Spalte 'jahr' wurde in einen Faktor umgewandelt. Waiting for profiling to be done... Hinweis: Spalte 'jahr' wurde in einen Faktor umgewandelt. Waiting for profiling to be done... Hinweis: Ueberdispersion erkannt, versuche Negative Binomial Regression. Waiting for profiling to be done... [1] "Negative Binomial Regression" Hinweis: Ueberdispersion erkannt, versuche Negative Binomial Regression. ANOVA-Ergebnisse verfuegbar. Zeilennamen: jahr Spaltennamen: LR Chisq, Df, Pr(>Chisq) Kein 'value_data_type'-Attribut gefunden. Fuehre standardize_case_columns() automatisch aus. Versuche, Spalte 'datum' in ein Datumsformat zu konvertieren. Standardisierung abgeschlossen: Datumsbereich: 2021-01-01: 2021-01-03 Input Value Spalte: neue_faelle | NA-Werte: 0 | Negative Werte: 0 Input Value Spalte Datentyp: discrete [ FAIL 0 | WARN 24 | SKIP 1 | PASS 510 ] ══ Skipped tests (1) ═══════════════════════════════════════════════════════════ • FSA is installed, cannot test fallback (1): 'test-run_multi_group_tests.R:120:3' [ FAIL 0 | WARN 24 | SKIP 1 | PASS 510 ] > > proc.time() user system elapsed 20.90 1.53 22.45