Validierungsdiagramme nach dem Modell + Varianz
In der letzten Übung haben wir festgestellt, dass sich int_rate nach grade unterscheidet. Jetzt sollten wir dieses Modell validieren. Für lineare Regression bedeutet das, die Plots Residuen vs. Vorhergesagte Werte und Normal-Q-Q zu betrachten.
Wenn du plot() auf ein Modellobjekt in R anwendest, erzeugt R automatisch beide Plots plus zwei weitere. Du interpretierst diese Plots, um die Modellgüte zu beurteilen. Wie das geht, haben wir im Video besprochen.
Eine weitere Annahme von ANOVA und linearen Modellen ist die Varianzhomogenität. Homogenität bedeutet „gleich“; hier heißt das, dass die Varianz von int_rate für jede Ausprägung von grade gleich ist. Wir können die Homogenität der Varianzen mit bartlett.test() prüfen, das eine Formel und einen Datensatz als Eingaben erhält.
Diese Übung ist Teil des Kurses
Versuchsplanung in R
Anleitung zur Übung
- Führe die erste Codezeile mit
par()aus, damit die Plots in einem 2x2-Raster ausgegeben werden. - Rufe
plot()aufgrade_aovauf (wurde für dich erstellt), um die Diagnostik-Plots des Modells zu erzeugen. - Teste die Varianzhomogenität mit
bartlett.test().
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# For a 2x2 grid of plots:
par(mfrow=c(___, ___))
# Plot grade_aov
___
# Bartlett's test for homogeneity of variance
___