Expérience factorielle avec les scores SAT de NYC
Nous voulons maintenant examiner l’effet des programmes de tutorat sur le score SAT Math des écoles de NYC. Comme indiqué dans l’exercice précédent : la variable Tutoring_Program vaut simplement yes ou no, selon qu’un programme de tutorat a été mis en place dans une école. Pour Percent_Black_HL et Percent_Tested_HL, HL signifie high/low (élevé/faible). La valeur 1 indique moins de 50 % d’élèves noirs ou d’élèves testés au total, et la valeur 2 indique plus de 50 % pour les deux.
Rappelez-vous que, puisque nous avons l’intention de tester toutes les combinaisons possibles de modalités des facteurs, nous devons écrire la formule ainsi : outcome ~ factor1 * factor2 * factor3.
Cet exercice fait partie du cours
Plan d’expériences en R
Instructions
- Utilisez
aov()pour créer un modèle afin de tester commentPercent_Tested_HL,Percent_Black_HLetTutoring_Programinfluencent la variable à expliquerAverage_Score_SAT_Math. - Enregistrez le résultat dans un objet modèle
nyc_scores_factorial, puis examinez-le avectidy().
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Create nyc_scores_factorial and examine the results
___
___