Validatieplots na modelleren + variantie

In de vorige oefening zagen we dat int_rate verschilt per grade. Nu moeten we dit model valideren; bij lineaire regressie betekent dat het bekijken van de Residuals vs. Fitted- en Normal Q-Q-plots.

Als je plot() aanroept op een modelobject in R, worden die twee plots automatisch getekend, plus nog twee extra. Je interpreteert deze plots om de model-fit te beoordelen. We hebben in de video besproken hoe je dit doet.

Een andere aanname van ANOVA en lineaire modellering is homogeniteit van varianties. Homogeniteit betekent "hetzelfde"; hier houdt dat in dat de variantie van int_rate gelijk is voor elk niveau van grade. We kunnen de homogeniteit van varianties testen met bartlett.test(), dat een formule en een gegevensset als invoer krijgt.

Deze oefening maakt deel uit van de cursus

Experimenteel ontwerp in R

Cursus bekijken

Oefeninstructies

Voer de eerste regel code met par() uit zodat de plots in een raster van 2 bij 2 worden getoond.
Roep plot() aan op grade_aov (die voor je is klaargezet) om de modeldiagnostische plots te maken.
Test de homogeniteit van varianties met bartlett.test().

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# For a 2x2 grid of plots:
par(mfrow=c(___, ___))

# Plot grade_aov
___

# Bartlett's test for homogeneity of variance
___

Code bewerken en uitvoeren