혼합 효과 모형 적합에 대한 계수 표

계수 표의 모든 통계량에 대한 정의 및 해석 방법을 확인해 보십시오.

계수

계수 표는 고정 요인 항의 개별 수준에 대한 계수 및 공변량 항에 대한 계수를 제공합니다. 특정 수준에서 고정 요인 항에 대한 계수는 반응에 대한 요인 수준의 효과를 요인 수준의 나머지와 비교하여 설명합니다. 공변량 항에 대한 계수는 항과 반응 간 선형 관계의 크기와 방향을 나타냅니다.

해석

각 계수는 계수가 고정 요인 항에 대한 것인지 공변량 항에 대한 것인 지에 따라 다르게 해석됩니다.
고정 요인 항

고정 요인 항에 대한 계수는 항에 대한 수준 평균이 서로 어떻게 다른지 표시합니다. 항에 대한 다중 비교 분석을 수행하여 수준 효과를 통계적으로 같거나 통계적으로 서로 다른 그룹으로 추가 분류할 수도 있습니다.

공변량 항

공변량 항에 대한 계수는 모형의 다른 모든 항목이 같은 상태에서 해당 항의 1 단위 변화와 연관된 평균 반응의 변화를 나타냅니다. 계수의 부호는 항과 반응 간 관계의 방향을 나타냅니다. 계수의 크기는 일반적으로 항의 반응 변수에 대한 실제적 유의성을 평가하는 좋은 방법입니다.

SE 계수

계수의 표준 오차는 동일한 모집단에서 반복해서 표본을 추출하는 경우 얻을 수 있는 계수 추정치 간의 변동성을 추정합니다. 이 계산에서는 반복해서 표본을 추출해도 모형 항과 표본 크기가 변경되지 않는다고 가정합니다.

해석

계수의 표준 오차를 사용하여 계수 추정치의 정확도를 측정할 수 있습니다. 표준 오차가 작을수록 추정치의 정확도가 높아집니다. 계수를 표준 오차로 나누면 t-값이 계산됩니다. 이 t-통계량과 연관된 p-값이 유의 수준보다 작을 경우 계수가 0과 유의하게 다르다는 결론을 내릴 수 있습니다.

DF

자유도(DF)는 데이터 내 정보의 양입니다. Minitab에서는 또한 자유도를 사용하여 계수에 대한 t-검정을 구성합니다.

계수에 대한 신뢰 구간(95% CI)

신뢰 구간(CI)은 모형의 고정 효과 항에 대한 계수의 실제 값이 포함될 가능성이 높은 값의 범위입니다.

표본이 랜덤이기 때문에 모집단의 두 표본에서 동일한 신뢰 구간이 생성될 가능성은 없습니다. 그러나 여러 개의 랜덤 표본을 추출하면 일정한 백분율의 신뢰 구간에는 알 수 없는 모집단 모수가 포함됩니다. 모수를 포함하는 이러한 신뢰 구간의 백분율이 해당 구간의 신뢰 수준입니다.

신뢰 구간은 다음 두 부분으로 구성됩니다.
점 추정치
이 단일 값은 표본 데이터를 사용하여 모집단 모수를 추정합니다. 신뢰 구간은 점 추정치를 중심으로 합니다.
오차 한계
오차 한계는 신뢰 구간의 너비를 정의하며 표본에서 관측된 변동성, 표본 크기 및 신뢰 수준에 의해 결정됩니다. 신뢰 구간의 상한을 계산하기 위해 오차 한계를 점 추정치에 더합니다. 신뢰 구간의 하한을 계산하기 위해 오차 한계를 점 추정치에서 뺍니다.

해석

신뢰 수준이 95%이면 신뢰 구간에 해당 계수의 실제 값이 포함된다고 95% 확신할 수 있습니다. 신뢰 구간은 결과의 실제 유의성을 평가하는 데 도움이 됩니다. 해당 상황에 실제적으로 유의한 값이 신뢰 구간에 포함되는지 여부를 확인하려면 전문 지식을 이용하십시오. 신뢰 구간이 너무 넓어서 유의하지 않은 경우에는 표본 크기를 늘려보십시오.

t-값

t-값은 계수와 계수의 표준 오차 간의 비율을 측정합니다.

해석

Minitab에서는 t-값을 사용하여 계수가 0과 유의하게 다른지 여부를 검정하기 위해 사용하는 p-값을 계산합니다.

t-값을 사용하여 귀무 가설의 기각 여부를 확인할 수 있습니다. 그러나 귀무 가설의 기각에 대한 분계점이 자유도에 종속되지 않기 때문에 p-값이 더 자주 사용됩니다. t-값 사용에 대한 자세한 내용은 t-값을 사용하여 귀무 가설의 기각 여부 확인에서 확인하십시오.

p-값 – 계수

p-값은 귀무 가설에 반하는 증거를 측정하는 확률입니다. p-값이 작을수록 귀무 가설에 반하는 더 강력한 증거가 됩니다.

해석

계수가 0과 유의하게 다른지 여부를 확인하려면 계수에 대한 p-값을 유의 수준과 비교하십시오. 일반적으로 0.05의 유의 수준(α 또는 알파로 표시함)이 적절합니다. 0.05의 유의 수준은 실제로 영향이 없는데 영향이 존재한다는 결론을 내릴 위험이 5%라는 것을 나타냅니다.

p-값 ≤ α: 계수가 0과 통계적으로 다름

p-값이 유의 수준보다 작거나 같으면 계수가 0과 유의하게 다르다는 결론을 내릴 수 있습니다.

p-값 > α: 계수가 0과 통계적으로 다르지 않음
p-값이 유의 수준보다 크면 계수가 0과 유의하게 다르다는 결론을 내릴 수 없습니다.
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오