Validační grafy modelu a homogenita rozptylů
V předchozím cvičení jsme zjistili, že int_rate se skutečně liší podle grade. Teď bychom měli tento model zvalidovat – u lineární regrese to znamená prozkoumat grafy Residuals vs. Fitted a Normal Q-Q.
Pokud v R zavoláš plot() na objekt modelu, automaticky vykreslí oba tyto grafy spolu se dvěma dalšími. Na základě těchto grafů pak vyhodnotíš, jak dobře model funguje. Jak na to, jsme si ukázali ve videu.
Dalším předpokladem ANOVA a lineárního modelování je homogenita rozptylů. Homogenita znamená „stejnorodost" – v tomto případě by to znamenalo, že rozptyl int_rate je stejný pro každou úroveň grade. Homogenitu rozptylů můžeš otestovat pomocí bartlett.test(), který jako vstupy přijímá vzorec a dataset.
Toto cvičení je součástí kurzu
Experimental Design in R
Pokyny k cvičení
- Spusť první řádek kódu s
par(), aby se grafy zobrazily v mřížce 2×2. - Zavolej
plot()nagrade_aov(který už je pro tebe připravený) a vygeneruj diagnostické grafy modelu. - Otestuj homogenitu rozptylů pomocí
bartlett.test().
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# For a 2x2 grid of plots:
par(mfrow=c(___, ___))
# Plot grade_aov
___
# Bartlett's test for homogeneity of variance
___