Faktorexperiment med NYC SAT-poäng
Nu ska vi undersöka hur handledningsprogram påverkar SAT-matematikpoängen för skolor i NYC. Som nämndes i föregående övning: variabeln Tutoring_Program är antingen yes eller no, beroende på om en skola fick ett handledningsprogram eller inte. För Percent_Black_HL och Percent_Tested_HL står HL för hög/låg. Värdet 1 betyder att under 50 % av eleverna är svarta respektive att under 50 % av eleverna testades totalt, medan värdet 2 betyder att över 50 % av båda.
Kom ihåg att eftersom vi ska testa alla möjliga kombinationer av faktornivåer, behöver formeln skrivas på följande sätt: outcome ~ factor1 * factor2 * factor3.
Den här övningen är en del av kursen
Experimentell design i R
Övningsinstruktioner
- Använd
aov()för att skapa en modell som testar hurPercent_Tested_HL,Percent_Black_HLochTutoring_Programpåverkar utfalletAverage_Score_SAT_Math. - Spara resultatet som ett modellobjekt,
nyc_scores_factorial, och undersök det medtidy().
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create nyc_scores_factorial and examine the results
___
___