In che modo lo scopo del prestito influisce sull'importo finanziato?
Nell'ultimo esercizio, abbiamo ridotto la variabile purpose a 4 categorie più gestibili e l'abbiamo chiamata purpose_recode. Come data scientist in Lending Club, potremmo voler progettare un esperimento per esaminare come lo scopo del prestito influenzi l'importo finanziato, cioè il denaro effettivamente erogato al richiedente.
Ricorda che per un test ANOVA l'ipotesi nulla è che tutte le medie degli importi finanziati siano uguali tra i livelli di purpose_recode. L'ipotesi alternativa è che almeno un livello di purpose_recode abbia una media diversa. Tuttavia, senza un'analisi post hoc non sapremo quale. Perciò è utile capire come i risultati dell'ANOVA vengono salvati come oggetto in R.
Questo esercizio fa parte del corso
Progettazione Sperimentale in R
Istruzioni dell'esercizio
- Usa
lm()per vedere come la variabilepurpose_recodeinfluisce sufunded_amnt. Salva il modello come oggetto chiamatopurpose_recode_model. - Usa
summary()per esaminarepurpose_recode_model. Questi sono i risultati della regressione lineare. - Chiama
anova()supurpose_recode_model. Salvalo come oggetto chiamatopurpose_recode_anova. Stampalo in console digitandolo. - Infine, esamina la classe di
purpose_recode_anova.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Build a linear regression model, purpose_recode_model
___ <- lm(funded_amnt ~ ___, data = ___)
# Examine results of purpose_recode_model
___(purpose_recode_model)
# Get anova results and save as purpose_recode_anova
___ <- anova(___)
# Print purpose_recode_anova
___
# Examine class of purpose_recode_anova
class(___)