Pour quel objectif de prêt la moyenne est-elle différente ?

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

Le résultat de l’ANOVA était statistiquement significatif avec une p-valeur très faible. Nous pouvons donc 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 réaliser ce test en R, vous pouvez utiliser TukeyHSD() :

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

Cela exécute 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 %.

Cet exercice fait partie du cours

Plan d’expériences en R

Afficher le cours

Instructions

Créez un modèle avec aov() qui examine funded_amnt en fonction de purpose_recode. Enregistrez-le dans purpose_aov.
Utilisez TukeyHSD() pour réaliser le test HSD de Tukey sur purpose_aov avec un niveau de confiance de 0,95. Stockez le résultat dans un objet nommé tukey_output.
Nettoyez tukey_output avec tidy() du package broom (déjà chargé pour vous).

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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