Filtrera fram signifikanta länder
Inte alla lutningar är signifikanta, och du kan använda p-värdet för att bedöma vilka som är det och vilka som inte är det.
När du har många p-värden – till exempel ett per land – stöter du på problemet med multipel hypotesprövning, där du måste sätta ett striktare tröskelvärde. Funktionen p.adjust() är ett enkelt sätt att korrigera för detta: p.adjust(p.value) på en vektor av p-värden returnerar en uppsättning värden som du kan lita på.
Här lägger du till två steg för att bearbeta datamängden slope_terms: använd mutate för att skapa den nya, justerade p-värdeskolumnen, och filter för att filtrera fram de rader där värdet understiger tröskeln 0,05.
Den här övningen är en del av kursen
Fallstudie: Explorativ dataanalys i R
Övningsinstruktioner
Använd funktionen p.adjust() för att justera kolumnen p.value och spara resultatet i en ny kolumn som heter p.adjusted. Filtrera sedan fram de rader där p.adjusted är mindre än 0,05.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Filter for only the slope terms
slope_terms <- country_coefficients %>%
filter(term == "year")
# Add p.adjusted column, then filter