NYC SAT Scores – faktorová EDA
Než se pustíme do analýzy faktoriálního experimentu, provedeme ještě trochu EDA.
Budeme testovat vliv proměnných Percent_Black_HL, Percent_Tested_HL a Tutoring_Program na výslednou proměnnou Average_Score_SAT_Math. Přípona HL označuje vysokou a nízkou hodnotu (high-low): hodnota 1 znamená, že méně než 50 % černošských studentů, resp. méně než 50 % všech studentů dané školy bylo testováno, hodnota 2 znamená, že testováno bylo více než 50 % z příslušné skupiny.
Sestavíme boxplot každého faktoru vůči výsledné proměnné, abychom získali představu o tom, které faktory vykazují rozdíl mediánu podle úrovně faktoru (v analýze se ve skutečnosti testuje rozdíl středních hodnot). Dataset nyc_scores je už načtený.
Toto cvičení je součástí kurzu
Experimental Design in R
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Load ggplot2
___
# Build the boxplot for the tutoring program vs. Math SAT score
ggplot(___,
aes(___, ___)) +
geom_boxplot()