혼합 효과 모형 적합에 대한 랜덤 효과 예측 표

랜덤 효과 예측에 대해 제공되는 모든 통계량에 대한 정의 및 해석 방법을 확인해 보십시오.

BLUP

랜덤 효과 항의 특정 수준에 대한 최적의 선형 불편 예측치(BLUP)는 반응에 대한 항 수준의 효과를 설명합니다. Minitab에서는 이 값을 사용하여 지정된 랜덤 효과 수준에 대한 조건부 적합치를 계산합니다.

해석

지정된 수준에서 반응에 대한 랜덤 요인의 효과가 어떻게 다른지 평가하려면 BLUP를 사용하십시오. 특정 수준에 대한 BLUP의 값과 부호는 효과의 방향과 크기를 설명합니다.

SE BLUP

특정 수준에 대한 최적의 선형 불편 예측치(BLUP)의 표준 오차는 반응에 대한 예측 효과의 불확실성을 나타냅니다.

해석

BLUP의 표준 오차는 예측 변수의 불확실성을 나타냅니다. BLUP의 표준 오차는 t-값을 계산한 다음 특정 수준에서의 효과가 0과 유의하게 다른지 여부에 대한 검정을 구성하기 위해 사용됩니다. 연관된 p-값이 유의 수준(α)보다 작으면 특정 수준에 대한 효과가 0과 다르다는 결론을 내릴 수 있습니다.

BLUP의 DF

자유도는 최적의 선형 불편 예측치(BLUP)에 대한 신뢰 구간을 추정하고 검정을 구성하기 위한 데이터의 정보량을 나타냅니다.

해석

BLUP에 대해 사용할 수 있는 정보의 양을 비교하려면 DF를 사용하십시오. 일반적으로 자유도가 높으면 BLUP에 대한 신뢰 구간이 자유도가 낮은 구간보다 좁습니다.

BLUP에 대한 신뢰 구간(95%CI)

이러한 신뢰 구간(CI)은 모형의 랜덤 항에 대한 최적의 선형 불편 예측치(BLUP) 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

반응에 대한 랜덤 항의 특정 수준 효과를 평가하려면 신뢰 구간을 사용하십시오. 0이 포함되지 않은 구간은 통계적으로 유의한 효과를 나타냅니다. 구간이 0보다 확실히 크면 특정 수준이 반응에 대해 긍정적인 효과를 미칩니다. 0보다 확실히 작은 구간은 반응에 대한 부정적인 효과를 나나타냅니다. 0이 포함된 구간은 반응에 대한 랜덤 항의 유의한 수준 효과를 지원하지 않습니다.

t-값

t-값은 최적의 선형 불편 예측치(BLUP)와 표준 오차 간의 비율을 측정합니다.

해석

Minitab에서는 t-값을 사용하여 BLUP 값의 통계적 유의성에 대한 결정을 내릴 때 사용하는 p-값을 계산합니다.

t-값을 사용하여 귀무 가설의 기각 여부를 확인할 수 있습니다. 그러나 자유도에 관계없이 기각에 대한 분계점이 같기 때문에 p-값이 더 자주 사용됩니다.

BLUP에 대한 p-값

p-값은 귀무 가설에 반하는 증거를 측정하는 확률입니다. 귀무 가설은 반응에 대한 랜덤 요인의 특정 수준 효과가 0이라는 것입니다. p-값이 작을수록 귀무 가설에 반하는 더 강력한 증거가 됩니다.

해석

랜덤 요인의 특정 수준에 대한 최적의 선형 불편 예측치(BLUP)가 0과 다른지 여부를 확인하려면 BLUP에 대한 p-값을 유의 수준과 비교하십시오.

p-값 ≤ α: 효과가 0과 통계적으로 다름
p-값이 유의 수준보다 작거나 같으면 반응에 대한 랜덤 요인 항의 특정 수준 효과가 0과 유의하게 다르다는 결론을 내릴 수 있습니다.
p-값 > α: 효과가 0과 통계적으로 다르지 않음
p-값이 유의 수준보다 크면 반응에 대한 랜덤 요인 항의 특정 수준 효과가 0과 유의하게 다르다는 결론을 내릴 수 없습니다.
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오