完全枝分かれ分散分析の例

ある製造エンジニアが、ガラス瓶の製造における変動性の要因について調査したいと考えています。エンジニアの会社は4つの場所でガラス瓶を製造しています。4人の測定者が4つの場所の4つのシフトで3つのバッチの炉の温度を測定します。

各工場の測定者は異なるため、測定者因子は工場因子で枝分かれします。各シフト番号は就業日の同じ部分を表し、各測定者が同じ工場で働くシフトは異なります。そのため、シフトは測定者で枝分かれします。また、測定者が使用する材料のバッチも各シフトで異なります。そのため、バッチはシフトで枝分かれします。枝分かれパターンがこのようになるため、エンジニアはMinitabにおけるモデル規格がより容易になるように、完全枝分かれ分散分析を使用します。

  1. サンプルデータ炉の温度.MTW.
  2. 統計 > 分散分析 > 完全枝分かれ分散分析を選択します。
  3. 応答に、温度を入力します。
  4. 因子に、工場-バッチを入力します。
  5. OKをクリックします。

結果を解釈する

分散分析の表は、工場とシフトの主効果は有意水準0.05において統計的に有意であることを示しています。作業者の効果は水準0.05においては統計的に有意ではありません。分散成分の推定値は、処理、シフト、工場に起因する変動性が、全体の変動性のそれぞれ52%、27%、18%であることを示しています。

温度の分散分析

要因自由度平方和平均平方F値p値
工場3731.5156243.83855.8540.011
作業者12499.812541.65101.3030.248
シフト481534.916731.97742.5780.000
バッチ1281588.000012.4062   
合計1914354.2448     

分散成分

要因分散成分合計の%標準偏差
工場4.21217.592.052
作業者0.8063.370.898
シフト6.52427.242.554
バッチ12.40651.803.522
合計23.948  4.894

平均平方の期待値

1工場1.00 (4) + 3.00 (3) + 12.00 (2) + 48.00 (1)
2作業者1.00 (4) + 3.00 (3) + 12.00 (2)
3シフト1.00 (4) + 3.00 (3)
4バッチ1.00 (4)