Který průměr účelu půjčky se liší?

Než prozkoumáme další faktory kromě purpose_recode, které by mohly ovlivňovat výši poskytnuté půjčky, podívejme se, které průměry purpose_recode se od sebe liší. Jde o post-hoc test zmíněný v předchozím cvičení.

Výsledek ANOVA testu byl statisticky významný s velmi nízkou p-hodnotou. To znamená, že můžeme zamítnout nulovou hypotézu a přijmout alternativní hypotézu, že alespoň jeden průměr se liší. Ale který?

Použijeme Tukeyův HSD test, zkratku pro Honest Significant Difference (čestný významný rozdíl). V R ho spustíš pomocí funkce TukeyHSD():

TukeyHSD(aov_model, "independent_variable_name", conf.level = 0.9)

Tento příkaz provede Tukeyův HSD test na modelu aov_model, zaměří se na konkrétní "independent_variable_name" a nastaví conf.level na 90 %.

Toto cvičení je součástí kurzu

Experimental Design in R

Zobrazit kurz

Pokyny k cvičení

Pomocí aov() sestav model, který zkoumá funded_amnt v závislosti na purpose_recode. Ulož ho jako purpose_aov.
Pomocí TukeyHSD() proveď Tukeyův HSD test na modelu purpose_aov s hladinou spolehlivosti 0,95. Ulož výsledek do objektu tukey_output.
Ukliď tukey_output pomocí funkce tidy() z balíčku broom (který je již načtený).

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Use aov() to build purpose_aov
___ <- aov(___ ~ ___, data = ___)

# Conduct Tukey's HSD test to create tukey_output
___ <- TukeyHSD(___, "___", conf.level = ___)

# Tidy tukey_output to make sense of the results
tidy(___)

Upravit a spustit kód