Blokkeren

Stel — ook al is dat niet echt zo — dat het type supplement eigenlijk een storende factor is die we willen controleren door te blokkeren, en dat we alleen geïnteresseerd zijn in het effect van de dosis vitamine C op de tandgroei van cavia’s.

Als we blokken op supplementtype, maken we groepen die meer op elkaar lijken, omdat ze hetzelfde supplementtype hebben. Zo kunnen we alleen het effect van dosis op tandlengte bekijken.

We gebruiken de functie aov() om dit te onderzoeken. aov() maakt een lineair regressiemodel door lm() aan te roepen en de resultaten te bekijken met anova() — alles in één functieaanroep. Om aov() te gebruiken, hebben we nog steeds functionele notatie nodig, zoals bij de randomisatie-oefening, maar deze keer moet de formule len ~ dose + supp zijn om aan te geven dat we hebben geblokkeerd op supplementtype. (We behandelen aov() en anova() uitgebreider in het volgende hoofdstuk.)

ggplot2 is alvast voor je geladen.

Deze oefening maakt deel uit van de cursus

Experimenteel ontwerp in R

Cursus bekijken

Oefeninstructies

Maak een boxplot om visueel te bekijken of de tandlengte verschilt per dose. dose is al voor je omgezet naar een factorvariabele.
Gebruik aov() om het effect van dose en supp op len te onderzoeken. Sla dit op als een modelobject met de naam ToothGrowth_aov.
Bekijk ToothGrowth_aov met summary() om te bepalen of dose een significant effect heeft op tandlengte.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Create a boxplot with geom_boxplot()
ggplot(___, aes(x = ___, y = ___)) + 
    ___()

# Create ToothGrowth_aov
___ <- aov(___, data = ___)

# Examine ToothGrowth_aov with summary()
___

Code bewerken en uitvoeren