rowmeans-groupby-summarise

tidyverse

datawrangling

Published

June 18, 2025

1 Aufgabe

1.1 Setup

library(tidyverse)
library(easystats)

1.2 Daten

library(rio)
extra_path <- "https://github.com/sebastiansauer/statistik1/raw/main/data/extra.xls"
extra <- import(extra_path)

1.3 Forschungsfrage

Wie groß ist der Unterschied in der Extraversion zwischen Frauen und Männern? Berechnen Sie dazu den Mittelwert für Extraversion pro Geschlechtsgruppe.

1.4 Hinweise

Beachten Sie die üblichen Hinweise des Datenwerks.

2 Lösung

Mittelwert über die Zeilen berechnen mit row_means:

extra <- 
  extra |> 
  mutate(extra_score = row_means(data = extra, select = i3:i12))

Zusammenfassen (mit mean) pro Geschlechtsgruppe:

extra |> 
  select(extra_score, i16) |> 
  drop_na() |> 
  group_by(i16) |> 
  summarise(extra_mean = mean(extra_score),
            extra_sd = sd(extra_score))

i16	extra_mean	extra_sd
Frau	2.971429	0.4267510
Mann	2.910000	0.4306326

---
date: 2025-06-18
draft: FALSE   # ACHTUNG DRAFT STEHT AUF TRUE!
title: rowmeans-groupby-summarise  # HIER TITEL DES POSTS EINGEBEN.
execute: 
  eval: true 
highlight-style: arrow 
cache: true
toc: true
number-sections: true
extype: string
exsolution: ""
exshuffle: no
categories:
- tidyverse  # ENTER CATEGORIES HERE
- datawrangling


bibliography: "../../library-ses.bib"

knitr:
  opts_chunk:
    out.width: "75%"

---





# Aufgabe 


## Setup

```{r}
library(tidyverse)
library(easystats)
```

## Daten

```{r}
library(rio)
extra_path <- "https://github.com/sebastiansauer/statistik1/raw/main/data/extra.xls"
extra <- import(extra_path)
```


## Forschungsfrage

Wie groß ist der Unterschied in der Extraversion zwischen Frauen und Männern?
Berechnen Sie dazu den Mittelwert für Extraversion pro Geschlechtsgruppe.

## Hinweise


- Beachten Sie die üblichen [Hinweise](https://datenwerk.netlify.app/hinweise) des Datenwerks.


</br>
</br>
</br>

</br>
</br>
</br>

</br>
</br>
</br>

</br>
</br>
</br>


# Lösung 

Mittelwert über die Zeilen berechnen mit `row_means`:

```{r}
extra <- 
  extra |> 
  mutate(extra_score = row_means(data = extra, select = i3:i12))
```



Zusammenfassen (mit `mean`) pro Geschlechtsgruppe:

```{r}
extra |> 
  select(extra_score, i16) |> 
  drop_na() |> 
  group_by(i16) |> 
  summarise(extra_mean = mean(extra_score),
            extra_sd = sd(extra_score))
```