変動性の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。

計画は2水準要因計画でなければならない
2水準要因計画がない場合は、等分散性検定を使用します。
応答は繰り返し測定値または反復測定値の標準偏差である
繰り返し測定値は、同じ実験の実行内または連続する実行で測定される一方、反復測定値は同一ながら異なる実験の実行で測定されます。繰り返し応答値は複数の列の行に入力しますが、反復応答値は1つの列に入力します。
位置効果を分析する場合は、繰り返しの平均値を保存して要因計画の分析を使用します。
データには連続因子もしくはカテゴリ因子のいずれかの、少なくとも2つの因子が含まれている
カテゴリ因子が1つのみで、連続予測変数がない場合は、等分散性検定を使用します。
測定システムが信頼できる応答データを生成すること

測定システムの変動が大きすぎる場合、実験では重要な効果を見つけにくくなる可能性があります。

各観測値は他のすべての観測値から独立している
個々の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。
実験の実行はランダム化されている

ランダム化することで、制御されていない条件によって結果が偏ってしまう可能性を減らすことができます。ランダム化により、材料や条件に固有の変動を推定できるため、実験結果に基づいて有効な統計的推測を行うことが可能になります。

場合によっては、ランダム化によって実行順序が不適切になることがあります。たとえば、因子水準の変更が難しかったり、費用が高かったり、プロセスの安定に時間を要することがあります。このような状況では、水準の変更を最小限に抑えるため、分割実験計画でランダム化するのが得策です。

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。
  • 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