Quelle moyenne de but de prêt est différente?

Avant d'examiner d'autres facteurs que purpose_recode qui pourraient influencer le montant du prêt financé, voyons quelles moyennes de purpose_recode sont différentes. Il s'agit du test post hoc mentionné dans l'exercice précédent.

Le résultat de cette ANOVA était statistiquement significatif avec une valeur p très faible. Cela signifie que nous pouvons rejeter l'hypothèse nulle et accepter l'hypothèse alternative selon laquelle au moins une moyenne est différente. Mais laquelle?

Nous allons utiliser le test HSD de Tukey, pour Honest Significant Difference. Pour effectuer le test HSD de Tukey en R, vous pouvez utiliser TukeyHSD() :

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

Cela effectue le test HSD de Tukey sur un certain aov_model, en examinant une variable indépendante précise "independent_variable_name", avec un conf.level de 90 %.

Cette activité fait partie du cours

Plan d'expériences avec R

Voir le cours

Instructions de l’exercice

Créez un modèle avec aov() qui examine funded_amnt selon purpose_recode. Enregistrez-le dans purpose_aov.
Utilisez TukeyHSD() pour effectuer le test HSD de Tukey sur purpose_aov avec un niveau de confiance de 0,95. Enregistrez le résultat dans un objet appelé tukey_output.
Mettez en forme tukey_output avec tidy() du paquet broom (déjà chargé pour vous).

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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(___)

Modifier et exécuter le code