纽约市 SAT 成绩的因子设计探索性分析
在开始分析因子实验之前，先做一些探索性数据分析（EDA）。
让我们检验 Percent_Black_HL、Percent_Tested_HL 和 Tutoring_Program 对结果变量 Average_Score_SAT_Math 的影响。HL 表示高-低分组，其中 1 分别表示黑人学生比例低于 50% 或整所学校接受测试的学生比例低于 50%，2 表示上述任一比例高于 50%。
为每个因素与结果变量绘制箱线图，先大致判断不同因素水平的中位数是否存在差异（最终检验的是均值差异）。数据集 nyc_scores 已为您加载。
本练习是课程的一部分
R 中的实验设计
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Load ggplot2
___
# Build the boxplot for the tutoring program vs. Math SAT score
ggplot(___,
aes(___, ___)) +
geom_boxplot()