完全枝分かれ分散分析のデータに関する考慮事項

有効な結果が確実に得られるようにするため、データの収集、分析の実行、および結果の解釈時には、次のガイドラインを考慮してください。

データにはランダムで枝分かれしたカテゴリ因子のみが含まれている

計画に、共変量、固定因子、または交差因子が含まれる場合は、一般線形モデルを適合を使用します。

因子に関する詳細は、因子と因子水準, 因子、交差因子、枝分かれ因子とは、および固定因子と変量因子の違いを参照してください。

計画は完全に枝分かれしている必要がある
Minitabでは、階層的に完全に枝分かれしたモデルを、因子ボックス内の因子の順序に従って実行される枝分かれに適合します。因子A B Cを入力する場合、モデルの項は次のようになります。
  • A
  • Aで枝分かれしたB
  • Aで枝分かれしたBで枝分かれしたC
バランス型分散分析またはGLMの場合とは異なり、枝分かれを指定する必要はありません。

枝分かれは、バランス型である必要はありません。枝分かれ因子には、枝分かれしている因子のある程度の水準が少なくとも2つなければなりません。因子Bが因子Aの中で枝分かれしている場合は、Aの各水準の中に、等しくないBの水準が存在するということです。また、Bの水準を識別するために使われる見出しは、Aの各水準の中では異なっている必要があります。ただし、完全枝分かれ計画がアンバランスの場合、F値とp値は計算できません。

Minitabでは、完全枝分かれ分散分析のすべての計算に逐次(Type I)平方和を使用します。調整平方和を使う場合は、一般線形モデルを適合を使用してください。

計画が完全に枝分かれしていない場合は、一般線形モデルを適合を使用します。

応答変数は連続量である
応答変数がカテゴリの場合、モデルが分析の前提条件を満たしたり、データを正確に表したり、または有効な予測を行ったりする確率は低くなります。
  • 応答変数に合格や不合格などの2種類のカテゴリが含まれる場合は、2値ロジスティックモデルを適合を使用します。
  • 応答変数に、「強く反対」「反対」「どちらでもない」「同意」「強く同意」などの自然律に従うカテゴリが3種類以上含まれている場合は、順位ロジスティック回帰を使用します。
  • 応答変数に、傷、へこみ、および裂け目などの自然律に従わないカテゴリが3種類以上含まれている場合は、名義ロジスティック回帰を使用します。
  • 応答変数で欠陥の数などの出現数を数える場合は、適合ポアソンモデルを使用します。
各観測値は他のすべての観測値から独立している
観測値が従属している場合、結果は有効ではない可能性があります。以下の点を考慮して、観測値が独立しているかどうか判断します。
  • ある観測値に別の観測値の値に関する情報が含まれていない場合、それらの観測値は独立しています。
  • ある観測値に別の観測値に関する情報が含まれている場合、それらの観測値は従属しています。
サンプルデータはランダムに選択される

ランダムサンプルを使用して母集団についての一般化または推定を行います。データがランダムに収集されていなければ、結果は母集団とならない可能性があります。

ベストプラクティスを使用してデータを収集する
結果が確実に有効になるようにするため、次のガイドラインについて考慮します。
  • データが対象の母集団を表すことを確認します。
  • 必要な精度を達成するために十分なデータを収集します。
  • 可能な限り正確かつ高精度に変数を測定します。
  • データを収集した順序で記録します。
モデルがデータに良好に適合している

モデルがデータに適合しない場合、結果は、誤った認識を与える可能性があります。出力において、残差プロットを使用して、モデルのデータへの適合度を判断します。

本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください