Blockering
Anta – även om det inte stämmer – att tilläggstypen egentligen är en störfaktor som vi vill kontrollera genom blockering. Vi är i själva verket bara intresserade av effekten av vitamin C-dosen på marsvinens tandtillväxt.
Genom att blockera efter tilläggstyp skapar vi grupper som liknar varandra mer, eftersom de har samma tilläggstyp. Det gör det möjligt att undersöka enbart dosens effekt på tandlängden.
Vi använder funktionen aov() för detta. aov() skapar en linjär regressionsmodell genom att anropa lm() och granska resultaten med anova() – allt i ett enda funktionsanrop. För att använda aov() behöver vi fortfarande funktionsnotation, precis som i randomiseringsövningen, men den här gången ska formeln vara len ~ dose + supp för att visa att vi blockerat efter tilläggstyp. (Vi går igenom aov() och anova() mer i detalj i nästa kapitel.)
ggplot2 är redan inläst åt dig.
Den här övningen är en del av kursen
Experimentell design i R
Övningsinstruktioner
- Skapa ett lådagram för att visuellt undersöka om tandlängden skiljer sig åt beroende på
dose.dosehar redan konverterats till en faktorvariabel åt dig. - Använd
aov()för att undersöka effekten avdoseochsupppålen. Spara resultatet som ett modellobjekt med namnetToothGrowth_aov. - Granska
ToothGrowth_aovmedsummary()för att avgöra om dosen har en signifikant effekt på tandlängden.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create a boxplot with geom_boxplot()
ggplot(___, aes(x = ___, y = ___)) +
___()
# Create ToothGrowth_aov
___ <- aov(___, data = ___)
# Examine ToothGrowth_aov with summary()
___