Analisi esplorativa fattoriale dei punteggi SAT di NYC
Facciamo un po' di EDA prima di passare all'analisi del nostro esperimento fattoriale.
Mettiamo alla prova l'effetto di Percent_Black_HL, Percent_Tested_HL e Tutoring_Program sull'esito Average_Score_SAT_Math. HL sta per high-low: 1 indica rispettivamente che è stato testato meno del 50% degli studenti Black o meno del 50% di tutti gli studenti di una scuola, mentre 2 indica che è stato testato più del 50% in uno dei due casi.
Crea un boxplot di ciascun fattore rispetto all'esito per farti un’idea di quali mostrano una differenza di mediana tra i livelli del fattore (alla fine, ciò che si testa è la differenza di media). Il dataset nyc_scores è già stato caricato per te.
Questo esercizio fa parte del corso
Progettazione Sperimentale in R
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Load ggplot2
___
# Build the boxplot for the tutoring program vs. Math SAT score
ggplot(___,
aes(___, ___)) +
geom_boxplot()