Graphiques de validation post-modélisation + variance
Dans le dernier exercice, nous avons constaté que int_rate diffère selon la grade. Validons maintenant ce modèle ; pour une régression linéaire, cela signifie examiner les graphiques Résidus vs. Ajustés et Q-Q normal.
Si vous appelez plot() sur un objet modèle en R, cela tracera automatiquement ces deux graphiques, plus deux autres. Vous interpréterez ces graphiques pour évaluer l’ajustement du modèle. Nous avons expliqué comment faire dans la vidéo.
Une autre hypothèse de l’ANOVA et de la modélisation linéaire est l’homogénéité des variances. Homogénéité signifie « identique » ; ici, cela veut dire que la variance de int_rate est la même pour chaque modalité de grade. Nous pouvons tester l’homogénéité des variances avec bartlett.test(), qui prend en entrée une formule et un jeu de données.
Cet exercice fait partie du cours
Plan d’expériences en R
Instructions
- Exécutez la première ligne de code avec
par()afin que les graphiques s’affichent dans une grille 2 par 2. - Appelez
plot()surgrade_aov(déjà créé pour vous) pour produire les graphiques de diagnostic du modèle. - Testez l’homogénéité des variances avec
bartlett.test().
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# For a 2x2 grid of plots:
par(mfrow=c(___, ___))
# Plot grade_aov
___
# Bartlett's test for homogeneity of variance
___