一元配置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。

データには固定因子であるカテゴリ変数が1つだけ含まれている

因子についての詳細は、「因子と因子水準」および「固定因子と変量因子」を参照してください。

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。
サンプルデータを正規母集団から取得するか、または各サンプルを15または20より大きくする

サンプルサイズが15や20より大きい場合、この検定は歪んだ分布と非正規分布の場合に非常に良好な結果が得られます。サンプルサイズが15や20より小さい場合、非正規分布で結果は誤解を招くものとなる可能性があります。

必要とされる実際のサンプルサイズは、以下のように、データに含まれるグループの数によって決まります。
  • グループ数が2~9の場合は、各グループのサンプルサイズを15以上にします。
  • グループ数が10~12の場合は、各グループのサンプルサイズを20以上にします。

データが正規分布に従うという確信がなく、サンプルサイズのガイドラインを満たしていない場合は、クラスカル-ワリス検定を使用します。

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。

従属観測値がある場合は反復測定計画の分析を参照してください。サンプルについての詳細は、「従属サンプルと独立サンプルの違い」を参照してください。

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、異常観測値の診断統計量、およびモデル要約統計量を使用して、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