1サンプル等価検定の主要な結果の解釈

1サンプル同等性検定を解釈するには、次の手順を実行します。主要な出力には、差の推定値、信頼区間、同等性プロット、その他のグラフが含まれます。

ステップ1: 母集団平均と目標が同等かどうかを判定する

信頼区間を同等性限界と比較します。信頼区間が同等性限界内に完全に収まっている場合、母集団平均は目標に同等であると主張できます。信頼区間の一部が同等性限界から外れている場合、同等だとの主張はできません。

差: 平均(力) - 目標値 95% 同等の 差 標準誤差 CI 同等性区間 0.28500 0.13831 (0, 0.520586) (-0.42, 0.42) 信頼区間が同等性区間内にありません。同等と結論付けられない。
主要な結果: 95% CI、同等性区間

この結果で、95%信頼区間は上側同等性限界(UEL)を超えています。したがって、母集団平均は目標と同等であると首長できません。

同等性ではなく非同等性を検定する対立仮説を選択した場合は、下限を下側限界と比較するか、または上限を上側限界と比較することによって、全体的な結果を評価します。詳細は、1サンプル等価検定の差を参照して、「下限」または「上限」をクリックしてください。

ステップ2:データに問題があるか確認する

歪みや外れ値などのデータの問題は、結果に悪影響を及ぼす可能性があります。グラフを使用して歪みを探し(データの広がりを調べて)、潜在的な外れ値を識別します。

データに歪みがあるかどうか判定する

データが歪んでいる場合、ほとんどのデータがグラフの上下に向いていることになります。データに歪みがある場合は、データの大部分がグラフの上側か下側に分布します。

右方向の歪み
左方向の歪み

例えば、右方向に歪んだヒストグラムは、給与データを示します。多数の従業員の給与は比較的少額ですが、少数の給与は多額です。左方向に歪んだヒストグラムは、故障率を示します。少数のアイテムは早く失敗する一方で、多数のアイテムは後で失敗します。

データが大きく歪んでいると、サンプルサイズが小さい場合(20未満)に検定結果の妥当性が影響を受けます。データが大きく歪んでいて、サンプルサイズが小さい場合はサンプルサイズを増やすことを検討します。

外れ値を特定

外れ値は、他の大部分のデータから遠くに離れているデータ点のことで、結果に大きな影響を及ぼします。外れ値は、箱ひげ図で容易に識別できます。

箱ひげ図では、アスタリスク(*)によって外れ値が識別されます。

外れ値がある場合は、その原因を特定してください。データ入力や測定の誤差を修正します。データ入力や測定の誤差を修正します。特定の原因に関連するデータを削除し、分析を再度実行することを検討してください。特殊原因の詳細は、管理図を使用した一般原因による変動と特殊原因による変動の検出をご覧ください。

これらのグラフにおいて、データには歪みがあるようには見えず、外れ値もありません。

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