Welche durchschnittliche Darlehenszweck-Kategorie unterscheidet sich?

Bevor wir andere Faktoren außer purpose_recode betrachten, die den finanzierten Darlehensbetrag beeinflussen könnten, schauen wir uns an, welche Mittelwerte von purpose_recode sich unterscheiden. Das ist der Post-hoc-Test, auf den in der letzten Übung verwiesen wurde.

Das Ergebnis des ANOVA-Tests war statistisch signifikant mit einem sehr niedrigen p-Wert. Das bedeutet, wir können die Nullhypothese verwerfen und die Alternativhypothese annehmen, dass sich mindestens ein Mittelwert unterscheidet. Aber welcher?

Wir sollten Tukey's HSD-Test verwenden, was für Honest Significant Difference steht. Um Tukey's HSD-Test in R durchzuführen, kannst du TukeyHSD() verwenden:

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

Damit führst du Tukey's HSD-Test auf einem aov_model durch, betrachtest eine bestimmte "independent_variable_name" und verwendest ein conf.level von 90 %.

Diese Übung ist Teil des Kurses

Versuchsplanung in R

Kurs anzeigen

Anleitung zur Übung

Erstelle mit aov() ein Modell, das funded_amnt nach purpose_recode untersucht. Speichere es als purpose_aov.
Verwende TukeyHSD(), um den Tukey's HSD-Test auf purpose_aov mit einem Konfidenzniveau von 0,95 durchzuführen. Speichere das Ergebnis als Objekt tukey_output.
Säubere tukey_output mit tidy() aus dem Paket broom (das bereits für dich geladen wurde).

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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(___)

Code bearbeiten und ausführen