Faktorielt EDA för NYC SAT-poäng
Låt oss göra lite mer EDA innan vi går vidare till analysen av vårt faktoriella experiment.
Vi ska undersöka effekten av Percent_Black_HL, Percent_Tested_HL och Tutoring_Program på utfallet Average_Score_SAT_Math. HL står för hög-låg, där 1 anger att färre än 50 % av de svarta eleverna respektive färre än 50 % av alla elever på en skola testades, och 2 anger att mer än 50 % av endera gruppen testades.
Skapa ett lådagram för varje faktor mot utfallet för att få en uppfattning om vilka som uppvisar skillnader i median per faktornivå (i slutändan är det medelvärdesskillnaden som testas). Datamängden nyc_scores är redan inläst.
Den här övningen är en del av kursen
Experimentell design i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Load ggplot2
___
# Build the boxplot for the tutoring program vs. Math SAT score
ggplot(___,
aes(___, ___)) +
geom_boxplot()