混合計画の分析の分散分析表

合計自由度（DF）は、データに含まれる情報量のことです。分析では、その情報を使用して、未知の母集団のパラメータ値を推定します。合計自由度は、サンプルに含まれる観測値の数によって決定されます。項の自由度は、その項が使う情報量を示します。サンプルサイズを大きくすると、母集団に関して提供される情報が増え、合計自由度が高くなります。モデルに含める項の数を増やすと情報量が増え、パラメータ推定値の変動性を推定するのに使える自由度が低くなります。

逐次平方和は、モデルに一覧された異なる要因の変動の測度です。調整平方和と異なり、逐次平方和は項がモデルに追加された順序に依存します。分散分析表では、逐次平方和は下記に示すように、異なる要因に分けられます。

逐次平方和回帰

モデル全体の逐次平方和は、モデルに含まれる全体平方和と誤差平方和の差です。モデルに含まれる項のすべての逐次平方和の合計です。

項のグループの逐次平方和

モデルに含まれる項のグループに対する逐次平方和は、グループ内のすべての項に対する逐次平方和の合計です。項のグループにより説明される応答データの変動量を定量化します。

逐次平方和項

項の逐次平方和は、分散分析表のモデル上に他の項だけを持つモデルと比較した場合のモデル平方和の増加を表します。

残差誤差の逐次平方和

誤差平方和は残差の平方和です。予測変数では説明できないデータの変動を定量化します。

逐次平方和純粋誤差

純粋誤差平方和は誤差平方和の一部です。純粋誤差平方和は、純粋誤差の自由度があるときに存在します。詳細は、このトピックの自由度（DF）を参照してください。同じ因子値を持つ観測値のデータの変動を定量化します。

全体逐次平方和

全体平方和は、モデルの平方和と誤差の平方和の合計です。データの変動全体を定量化します。

調整平方和は、モデルに一覧された異なる要因の変動の測度です。モデル内の予測変数の次数は、調整平方和の計算に影響を及ぼしません。分散分析表では、調整平方和は下記に示すように、異なる要因に分けられます。

調整平方和回帰

モデル全体の調整平方和は、全体平方和と誤差平方和の差です。モデルに含まれる項のすべての調整平方和の合計です。

項のグループの調整平方和

モデルに含まれる項のグループに対する調整平方和は、グループ内のすべての項に対する調整平方和の合計です。項のグループにより説明される応答データの変動量を定量化します。

調整平方和項

項の調整平方和は、他の項だけを持つモデルと比較した場合のモデル平方和の増加を表します。項によって説明される応答データの変動量を定量化します。

残差誤差の調整平方和

誤差平方和は残差の平方和です。モデルで説明づけられないデータの変動を定量化します。

純粋誤差の調整平方和

純粋誤差平方和は誤差平方和の一部です。純粋誤差平方和は、純粋誤差の自由度があるときに存在します。詳細は、このトピックの自由度（DF）を参照してください。同じ因子値を持つ観測値のデータの変動を定量化します。

調整全体平方和

全体平方和は、モデルの平方和と誤差の平方和の合計です。データの変動全体を定量化します。

調整平均平方は、項やモデルによってどれだけの変動を説明できるかを測定するものです。このとき、その他のすべての項は、入力された順序にかかわらずモデル内に含まれると仮定します。調整平方和と異なり、調整平均平方では、自由度が考慮されます。

調整平均平方誤差（MSEまたはs²）は適合値からの分散です。

F値は分散分析表の各検定に表示されます。

モデルのF値

F値は、モデルに含まれるいずれかの項が応答に関連付けられているかを判断する検定統計量です。

因子項の種類のF値

F値は、項のグループが応答に関連付けられているかを判断する検定統計量です。項グループは例えば、線形効果や2次効果などです。

個々の項のF値

F値は項が応答に関連付けられているかを判断する検定統計量です。

不適合度検定におけるF値

F値は、モデルに対し、成分、プロセス変数、および量を実験に含む項を欠損しているかを判断する検定統計量です。ステップワイズ手順でモデルから項が削除される場合、不適合検定には、これらの項も含まれます。

p値は帰無仮説を棄却するための証拠を測定する確率です。確率が低いほど、帰無仮説を棄却する強力な証拠となります。

p値は帰無仮説を棄却するための証拠を測定する確率です。確率が低いほど、帰無仮説を棄却する強力な証拠となります。

成分間の依存により、混合実験におけるモデルの主効果に対するp値は表示されません。特に、成分の比率の合計は固定量や比率になる必要があるため、1つの成分を変更すると他の成分も変えざるをえなくなります。さらに、個別の成分項が切片項のような働きをするので、混合実験のモデルは切片項を持ちません。

p値は帰無仮説を棄却するための証拠を測定する確率です。確率が低いほど、帰無仮説を棄却する強力な証拠となります。Minitabでは、同じx値を持つ複数の観測値である反復がデータに含まれている場合に純粋誤差不適合検定が自動的に実行されます。反復は、「純粋誤差」を表します。これは、ランダム変動だけが複数の応答観測値の差を引き起こすためです。