Gráficos de validación posmodelo + varianza
En el ejercicio anterior vimos que int_rate sí difiere según grade. Ahora debemos validar este modelo, lo que en regresión lineal implica examinar los gráficos Residuals vs. Fitted y Normal Q-Q.
Si llamas a plot() sobre un objeto de modelo en R, generará automáticamente esos dos gráficos más otros dos. Interpretarás estos gráficos para evaluar el ajuste del modelo. Tratamos cómo hacerlo en el vídeo.
Otro supuesto de ANOVA y del modelado lineal es la homogeneidad de varianzas. Homogeneidad significa "igual" y, aquí, implicaría que la varianza de int_rate es la misma para cada nivel de grade. Podemos comprobar la homogeneidad de varianzas con bartlett.test(), que recibe una fórmula y un conjunto de datos como entradas.
Este ejercicio forma parte del curso
Diseño experimental en R
Instrucciones del ejercicio
- Ejecuta la primera línea de código con
par()para que los gráficos salgan en una cuadrícula de 2 por 2. - Llama a
plot()sobregrade_aov(ya creado para ti) para producir los gráficos de diagnóstico del modelo. - Prueba la homogeneidad de varianzas usando
bartlett.test().
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# For a 2x2 grid of plots:
par(mfrow=c(___, ___))
# Plot grade_aov
___
# Bartlett's test for homogeneity of variance
___