Hur påverkar lånesyftet det beviljade beloppet?
I den föregående övningen reducerade vi variabeln purpose till fyra mer hanterbara kategorier och sparade den som purpose_recode. Som datascientist på Lending Club kan vi vilja utforma ett experiment där vi undersöker hur lånesyftet påverkar det beviljade beloppet – det vill säga det belopp som faktiskt betalas ut till sökanden.
Kom ihåg att nollhypotesen i ett ANOVA-test är att alla medelvärden för de beviljade beloppen är lika över alla nivåer av purpose_recode. Alternativhypotesen är att minst en nivå av purpose_recode har ett annat medelvärde. Utan en post hoc-analys kan vi dock inte avgöra vilken nivå det rör sig om, så det är värdefullt att känna till hur ANOVA-resultaten lagras som ett objekt i R.
Den här övningen är en del av kursen
Experimentell design i R
Övningsinstruktioner
- Använd
lm()för att undersöka hur variabelnpurpose_recodepåverkarfunded_amnt. Spara modellen som ett objekt med namnetpurpose_recode_model. - Använd
summary()för att granskapurpose_recode_model. Det här är resultaten från den linjära regressionen. - Anropa
anova()påpurpose_recode_model. Spara resultatet som ett objekt med namnetpurpose_recode_anovaoch skriv ut det i konsolen. - Undersök slutligen klassen för
purpose_recode_anova.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Build a linear regression model, purpose_recode_model
___ <- lm(funded_amnt ~ ___, data = ___)
# Examine results of purpose_recode_model
___(purpose_recode_model)
# Get anova results and save as purpose_recode_anova
___ <- anova(___)
# Print purpose_recode_anova
___
# Examine class of purpose_recode_anova
class(___)