변동성 분석에 대한 효과도

모든 효과도에 대한 정의 및 해석 방법을 확인해 보십시오.

Pareto 차트

Pareto 차트는 가장 큰 효과에서 가장 작은 효과까지 표준화된 효과의 절대값을 보여줍니다. 표준화된 효과는 효과가 0이라는 귀무 가설을 검정하는 t-통계량이며, 이 차트에는 어느 효과가 통계적으로 유의한지 나타내는 기준선도 표시됩니다.

통계적인 유의성에 대한 기준선은 유의 수준(α 또는 알파로 표시됨)에 따라 다릅니다. 단계적 선택 방법을 사용하지 않을 경우 유의 수준은 1 - 분석에 대한 신뢰 수준입니다. 신뢰 수준을 변경하는 방법에 대한 자세한 내용은 변동성 분석에 대한 옵션 지정에서 확인하십시오. 후진 선택 또는 단계적 선택을 사용하는 경우, 유의 수준은 Minitab이 모형에서 항을 제거하는 유의 수준입니다(제거할 변수에 대한 알파라고 함). 전진 선택을 사용하는 경우, 유의 수준은 Minitab이 모형에 항을 추가하는 유의 수준입니다(입력할 변수에 대한 알파라고 함).
참고

모형의 항 수가 런 수와 같으면 표준화된 효과를 계산할 수 없습니다. Minitab에서는 표준화되지 않은 효과를 보여주고 Lenth의 방법을 사용하여 통계적 유의성에 대한 기준선을 그립니다. Lenth의 방법에 대한 자세한 내용은 변동성 분석의 효과도에 대한 방법 및 공식에서 "Lenth의 유사 표준 오차(PSE)"를 클릭하십시오.

해석

Pareto 차트를 사용하여 효과의 크기와 중요성을 확인할 수 있습니다. Pareto 차트에서 기준선과 교차하는 막대는 통계적으로 유의합니다. 예를 들어, 이 Pareto 차트에서 요인 AB와 A를 나타내는 막대는 2.57에서 기준선과 교차합니다. 이 요인들은 현재 모형 항을 사용하는 경우 0.05 수준에서 통계적으로 유의합니다.

Pareto 차트는 효과의 절대값을 표시하기 때문에 어떤 효과가 큰지 확인할 수 있지만 어떤 효과가 반응을 증가시키거나 감소시키는지 확인할 수 없습니다. 하나의 그림에서 효과의 크기와 방향을 조사하려면 표준화된 효과의 정규 확률도를 사용하십시오.

효과의 정규 확률도

효과의 정규 확률도는 모든 효과가 0인 경우에 대한 분포 적합선에 상대적인 표준화된 효과를 보여줍니다. 표준화된 효과는 효과가 0이라는 귀무 가설을 검정하는 t-통계량입니다. 양의 효과는 설정이 요인의 낮은 값에서 높은 값으로 변경될 때 반응을 증가시킵니다. 음의 효과는 설정이 요인의 낮은 값에서 높은 값으로 변경될 때 반응을 감소시킵니다. x-축에서 0으로부터 더 멀리 떨어진 효과의 크기가 더 큽니다. 0으로부터 더 멀리 떨어진 효과가 통계적으로 더 유의합니다.

통계적으로 유의하기 위해 점들이 기준선에서 떨어져야 하는 거리는 유의 수준(α 또는 알파로 표시됨)에 따라 다릅니다. 단계적 선택 방법을 사용하지 않을 경우 유의 수준은 1 - 분석에 대한 신뢰 수준입니다. 신뢰 수준을 변경하는 방법에 대한 자세한 내용은 변동성 분석에 대한 옵션 지정에서 확인하십시오. 후진 선택 또는 단계적 선택을 사용하는 경우, 유의 수준은 Minitab이 모형에서 항을 제거하는 유의 수준입니다(제거할 변수에 대한 알파라고 함). 전진 선택을 사용하는 경우, 유의 수준은 Minitab이 모형에 항을 추가하는 유의 수준입니다(입력할 변수에 대한 알파라고 함).
참고

2-수준 설계의 경우 모형의 항 수가 런 수와 같으면 표준화된 효과를 계산할 수 없습니다. Minitab에서는 표준화되지 않은 효과를 보여주고 Lenth의 방법을 사용하여 통계적 유의성에 대한 임계 거리를 계산합니다. Lenth의 방법에 대한 자세한 내용은 변동성 분석의 효과도에 대한 방법 및 공식에서 "Lenth의 유사 표준 오차(PSE)"를 클릭하십시오.

해석

효과의 정규 확률도를 사용하면 효과의 크기, 방향 및 중요성을 확인할 수 있습니다. 효과의 정규 확률도에서 0으로부터 더 멀리 떨어진 효과가 통계적으로 유의합니다. 점들의 색상과 형상은 통계적으로 유의한 효과와 통계적으로 유의하지 않은 효과 간에 다릅니다. 예를 들어, 이 그림에서 A와 AB에 대한 효과는 0.05 수준에서 통계적으로 유의합니다. 이 점들의 색상과 형상은 유의하지 않은 효과에 대한 점들과 다릅니다.

또한 그림에서 효과의 방향을 알 수 있습니다. 재료와 재료*주입 압력은 음의 표준화된 효과를 가집니다.

효과의 정규 확률도는 음의 효과를 그래프 왼쪽에, 양의 효과를 그래프 오른쪽에 표시하기 때문에 어느 효과가 반응을 가장 변화시키는지 비교하기가 표준화된 효과의 절대값을 표시하는 그림보다 더 어렵습니다. 1/2 정규 확률도와 Pareto 차트는 표준화된 효과의 절대값을 보여줍니다.

효과의 1/2 정규 확률도

효과의 1/2 정규 확률도는 가장 큰 효과에서 가장 작은 효과까지 표준화된 효과의 절대값을 보여줍니다. 표준화된 효과는 효과가 0이라는 귀무 가설을 검정하는 t-통계량입니다. 점들은 모든 효과가 0인 경우에 대한 기준선에 상대적으로 표시됩니다. x-축에서 0으로부터 더 멀리 떨어진 효과가 더 큽니다. 0에서 더 멀리 떨어진 효과가 통계적으로 더 유의합니다.

통계적으로 유의하기 위해 점들이 기준선에서 떨어져야 하는 거리는 유의 수준(α 또는 알파로 표시됨)에 따라 다릅니다. 단계적 선택 방법을 사용하지 않을 경우 유의 수준은 1 - 분석에 대한 신뢰 수준입니다. 신뢰 수준을 변경하는 방법에 대한 자세한 내용은 변동성 분석에 대한 옵션 지정에서 확인하십시오. 후진 선택 또는 단계적 선택을 사용하는 경우, 유의 수준은 Minitab이 모형에서 항을 제거하는 유의 수준입니다(제거할 변수에 대한 알파라고 함). 전진 선택을 사용하는 경우, 유의 수준은 Minitab이 모형에 항을 추가하는 유의 수준입니다(입력할 변수에 대한 알파라고 함).
참고

2-수준 설계의 경우, 모형의 항 수가 런 수와 같으면 표준화된 효과를 계산할 수 없습니다. Minitab에서는 표준화되지 않은 효과를 보여주고 Lenth의 방법을 사용하여 통계적 유의성에 대한 임계 거리를 계산합니다. Lenth의 방법에 대한 자세한 내용을 보려면 변동성 분석의 효과도에 대한 방법 및 공식에서 "Lenth의 유사 표준 오차(PSE)"를 클릭하십시오.

해석

효과의 1/2 정규 확률도를 사용하면 효과의 크기와 중요성을 확인할 수 있습니다. 효과의 1/2 정규 확률도에서 0으로부터 더 멀리 떨어진 효과가 통계적으로 유의합니다. 점들의 색상과 형상은 통계적으로 유의한 효과와 통계적으로 유의하지 않은 효과 간에 다릅니다. 예를 들어, 이 그림에서 A와 AB에 대한 효과는 0.05 수준에서 통계적으로 유의합니다. 이 점들의 색상과 형상은 유의하지 않은 효과에 대한 점들과 다릅니다. 또한 Minitab은 통계적으로 유의한 점에 레이블을 붙입니다.

효과의 1/2 정규 확률도는 효과의 절대값을 표시하기 때문에 어떤 효과가 큰지 확인할 수 있지만 어떤 효과가 반응을 증가시키거나 감소시키는지 확인할 수 없습니다. 하나의 그림에서 효과의 크기와 방향을 확인하려면 표준화된 효과의 정규 확률도를 사용하십시오.

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