ムードの中央値検定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、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。

ムードの中央値検定の代替としてパラメトリック分析を使用する場合は、データが分析のデータ要件を満たしていることを確認します。パラメトリック分析のデータ要件は、ムードの中央値検定などの非パラメトリック分析の要件と常に互換性があるわけではありません。

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である場合、モデルは、データを正確に示すのにまたは有利な予測を行うのに、分析の仮説を満たしにくくなります。
  • 応答変数に、合格と不合格などの、2つのカテゴリが含まれている場合は、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、まったくそう思わない、そう思わない、どちらともいえない、そう思う、とてもそう思うなど、自然な順序のカテゴリが3つ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、キズ、打痕、摩耗など、自然な順序ではないカテゴリが3つ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、欠陥数などの発生件数が数えられている場合は、適合ポアソンモデルを使用します。
標本データは正規分布になっていなくてもよい
グループの分布には同じ形状と広がりがあり、外れ値を含んでいます。
  • グループの分布に外れ値が含まれていない場合は、検出力の高さから、クラスカル-ワリス検定を使用します。
  • グループの分布が正規分布である場合、検出力の高さから、一元配置分散分析の使用を検討してください。
サンプルサイズを15または20未満の観測数にするか、工程が中央値によって適切に代表されるようにする

ノンパラメトリック検定はパラメトリック検定に比べて検出力が低い傾向にあります。また、パラメトリック検定はサンプルサイズが十分に大きい場合に非正規データで良好な結果を得られます。サンプルサイズが非常に小さかったり、分析に置いて中央値が有意であるなどでなければ、非正規データの場合でもパラメトリック検定の実行を検討してください。

データが以下のサンプルサイズのガイドラインを満たしている場合は、歪んだ分布と非正規分布でとても良好に作用し、検出力も高いため、一元配置分散分析を使用することを検討します。
  • データに2~9のグループが含まれていて、各グループのサンプルサイズが15以上。
  • データに10~12のグループが含まれていて、各グループのサンプルサイズが20以上。
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的確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。
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