Która średnia celu pożyczki różni się od pozostałych?

Zanim przyjrzymy się innym czynnikom poza purpose_recode, które mogą wpływać na kwotę udzielonej pożyczki, sprawdźmy, które średnie dla purpose_recode różnią się od siebie. To właśnie ten test post-hoc, o którym była mowa w poprzednim ćwiczeniu.

Wynik testu ANOVA był istotny statystycznie – p-wartość okazała się bardzo niska. Oznacza to, że możemy odrzucić hipotezę zerową i przyjąć hipotezę alternatywną, że co najmniej jedna średnia różni się od pozostałych. Ale która?

Należy zastosować test Tukeya HSD (ang. Honest Significant Difference – uczciwa istotna różnica). Aby przeprowadzić ten test w R, użyj funkcji TukeyHSD():

TukeyHSD(aov_model, "independent_variable_name", conf.level = 0.9)

Powyższe wywołanie przeprowadza test Tukeya HSD na modelu aov_model, analizując konkretną zmienną "independent_variable_name" przy poziomie ufności 90%.

To ćwiczenie jest częścią kursu

Projektowanie eksperymentów w R

Zobacz kurs

Instrukcje do ćwiczenia

Zbuduj model za pomocą aov(), który analizuje funded_amnt w zależności od purpose_recode. Zapisz go jako purpose_aov.
Użyj TukeyHSD(), aby przeprowadzić test Tukeya HSD na modelu purpose_aov przy poziomie ufności 0,95. Zapisz wynik jako obiekt o nazwie tukey_output.
Uporządkuj tukey_output za pomocą funkcji tidy() z pakietu broom (który został już wczytany).

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Use aov() to build purpose_aov
___ <- aov(___ ~ ___, data = ___)

# Conduct Tukey's HSD test to create tukey_output
___ <- TukeyHSD(___, "___", conf.level = ___)

# Tidy tukey_output to make sense of the results
tidy(___)

Edytuj i uruchom kod