CommencerCommencer gratuitement

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

Afficher le cours

Instructions

  • Utilisez aov() pour créer un modèle afin de tester comment Percent_Tested_HL, Percent_Black_HL et Tutoring_Program influencent la variable à expliquer Average_Score_SAT_Math.
  • Enregistrez le résultat dans un objet modèle nyc_scores_factorial, puis examinez-le avec tidy().

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Create nyc_scores_factorial and examine the results
___

___
Modifier et exécuter le code