NYC SAT 分數：因素設計的 EDA
在開始分析因素設計之前，先多做一點 EDA。
我們要檢驗 Percent_Black_HL、Percent_Tested_HL 與 Tutoring_Program 對結果變數 Average_Score_SAT_Math 的影響。HL 代表 high-low，其中 1 表示低組：整所學校中黑人學生比例低於 50% 或全體學生受測比例低於 50%；2 表示高組：上述任一比例高於 50%。
請建立每個因子相對於結果的箱型圖，先觀察不同因子水準的中位數是否有差異（最終我們檢定的是平均數差異）。nyc_scores 資料集已為你載入。
本練習屬於課程
R 的實驗設計
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Load ggplot2
___
# Build the boxplot for the tutoring program vs. Math SAT score
ggplot(___,
aes(___, ___)) +
geom_boxplot()