Eksploracyjna analiza danych wyników SAT w Nowym Jorku – eksperyment czynnikowy
Zanim przejdziemy do analizy eksperymentu czynnikowego, wykonajmy jeszcze trochę eksploracyjnej analizy danych.
Sprawdzimy wpływ zmiennych Percent_Black_HL, Percent_Tested_HL i Tutoring_Program na zmienną wynikową Average_Score_SAT_Math. Skrót HL oznacza wysokie-niskie (ang. high-low): wartość 1 wskazuje, że mniej niż 50% uczniów czarnoskórych lub mniej niż 50% wszystkich uczniów w danej szkole przystąpiło do egzaminu, a wartość 2 – że ponad 50% z nich przystąpiło do testu.
Utwórz wykres pudełkowy dla każdego czynnika w odniesieniu do zmiennej wynikowej – pozwoli to ocenić, które z nich wykazują różnicę mediany w zależności od poziomu czynnika (ostatecznie testowana jest różnica średnich). Zbiór danych nyc_scores jest już wczytany.
To ćwiczenie jest częścią kursu
Projektowanie eksperymentów w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Load ggplot2
___
# Build the boxplot for the tutoring program vs. Math SAT score
ggplot(___,
aes(___, ___)) +
geom_boxplot()