Wykresy diagnostyczne modelu i jednorodność wariancji
W poprzednim ćwiczeniu ustaliliśmy, że int_rate różni się w zależności od grade. Teraz należy zwalidować ten model – w przypadku regresji liniowej oznacza to analizę wykresów Residuals vs. Fitted oraz Normal Q-Q.
Jeśli wywołasz plot() na obiekcie modelu w R, automatycznie zostaną wyświetlone oba te wykresy oraz dwa dodatkowe. Na ich podstawie ocenisz dopasowanie modelu, tak jak omówiliśmy to w materiale wideo.
Kolejnym założeniem ANOVA i modelowania liniowego jest jednorodność wariancji. Jednorodność oznacza, że wariancja int_rate jest taka sama dla każdego poziomu grade. Do testowania jednorodności wariancji możemy użyć funkcji bartlett.test(), która przyjmuje formułę i zbiór danych jako argumenty.
To ćwiczenie jest częścią kursu
Projektowanie eksperymentów w R
Instrukcje do ćwiczenia
- Uruchom pierwszą linię kodu z
par(), aby wykresy były wyświetlane w siatce 2 na 2. - Wywołaj
plot()na obiekciegrade_aov(który został już dla ciebie utworzony), aby wygenerować wykresy diagnostyczne modelu. - Przetestuj jednorodność wariancji przy użyciu
bartlett.test().
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# For a 2x2 grid of plots:
par(mfrow=c(___, ___))
# Plot grade_aov
___
# Bartlett's test for homogeneity of variance
___