완전 내포 분산 분석에 대한 주요 결과 해석

완전 내포 분산 분석을 해석하려면 다음 단계를 수행하십시오. 주요 결과에는 p-값과 분산 성분이 포함됩니다.

1단계: 반응과 항 간의 연관성이 통계적으로 유의한지 여부 확인

반응과 모형의 각 항 간의 연관성이 통계적으로 유의한지 여부를 확인하려면 항에 대한 p-값을 유의 수준과 비교하여 귀무 가설을 평가합니다. 귀무 가설은 항과 반응 간에 연관성이 없다는 것입니다. 일반적으로 0.05의 유의 수준(α 또는 알파로 표시함)이 적절합니다. 0.05의 유의 수준은 실제로 연관성이 없는데 연관성이 존재한다는 결론을 내릴 위험이 5%라는 것을 나타냅니다.
p-값 ≤ α: 연관성이 통계적으로 유의합니다.
p-값이 유의 수준보다 작거나 같으면 반응 변수와 항 간에 통계적으로 유의한 연관성이 있다는 결론을 내릴 수 있습니다.
p-값 > α: 연관성이 통계적으로 유의하지 않습니다.
p-값이 유의 수준보다 크면 반응 변수와 항 간에 통계적으로 유의한 연관성이 있다는 결론을 내릴 수 없습니다. 항 없이 모형을 다시 적합시킬 수도 있습니다.
반응과 통계적으로 유의한 연관성이 없는 예측 변수가 여러 개 있는 경우 한 번에 하나씩 항을 줄여 모형을 축소할 수 있습니다. 모형에서 항을 제거하는 방법은 모형 축소에서 확인하십시오.

완전 내포 분산 분석 모형의 모든 요인은 변량입니다. 결과적으로 통계적으로 유의한 요인은 요인이 반응의 변동량에 기여한다는 것을 나타냅니다.

온도에 대한 분산 분석 출처 DF SS MS F P 공장 3 731.5156 243.8385 5.854 0.011 조작자 12 499.8125 41.6510 1.303 0.248 교대조 48 1534.9167 31.9774 2.578 0.000 배치 128 1588.0000 12.4062 총계 191 4354.2448
주요 결과: p-값

이 결과에서 분산 분석 표는 공장과 교대조가 0.05 수준에서 통계적으로 유의하다는 것을 나타냅니다. 조작자 효과는 0.05 수준에서 통계적으로 유의하지 않습니다. 모형의 효과가 모든 자유도를 사용하므로 다른 배치의 통계적 유의성을 검정하기 위한 자유도가 남지 않습니다.

2단계: 분산 성분 조사

연구에서 각 랜덤 항으로 인한 변동량을 확인하려면 분산 성분을 조사합니다. 값이 높을수록 해당 항으로 인한 반응의 변동성이 크다는 것을 나타냅니다.

분산 성분 출처 분산 성분 총계의 % 표준 편차 공장 4.212 17.59 2.052 조작자 0.806 3.37 0.898 교대조 6.524 27.24 2.554 배치 12.406 51.80 3.522 총계 23.948 4.894
주요 결과: 분산 성분

이 결과에서 분산 성분 추정치는 배치, 교대조 및 공장이 총 변동성 중 각각 52%, 27% 및 18%를 기여하고 있다는 것을 나타냅니다.

이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오