변동성 분석을 위한 반응인자 사전 처리에 대한 데이터 고려 사항

유효한 결과를 얻으려면 데이터를 수집하고 분석을 수행하거나 결과를 해석할 때 다음 지침을 따르십시오.

설계가 2-수준 요인 설계여야 함
2-수준 요인 설계가 없으면 등분산 검정을 사용하십시오.
반응에 반복측정 또는 반복실험 측정값이 포함되어야 함
반복측정 측정값은 같은 실험 런 또는 연속되는 런을 통해 산출되고 반복실험 측정값은 동일하지만 별개의 실험 런을 통해 산출됩니다. 반복측정 데이터는 여러 열로 구성된 행에 입력하고 반복실험 데이터는 단일 열에 입력합니다.
워크시트에 사전 계산된 반복측정 또는 반복실험 측정값의 표준 편차를 포함할 수 있습니다. 실험의 반복측정 또는 반복실험 횟수를 나타내는 상수 또는 열도 입력해야 합니다.
데이터에는 계량형 또는 범주형 요인이 2개 이상 포함되어 있어야 함
하나의 범주형 요인만 있고 계량형 예측 변수가 없는 경우 등분산 검정을 사용할 수 있습니다.
측정 시스템에서 신뢰할 수 있는 반응 데이터를 생성하는지 확인

측정 시스템의 변동성이 너무 크면 실험에 중요한 효과를 찾기 위한 검정력이 결여될 수도 있습니다.

각 관측치가 다른 모든 관측치로부터 독립적이어야 함
개별 관측치가 종속되면 결과가 유효하지 않을 수도 있습니다. 관측치가 독립적인지 여부를 확인하려면 다음과 같은 점을 고려하십시오.
  • 한 관측치가 다른 관측치에 대한 정보를 제공하지 않으면 관측치가 독립적입니다.
  • 한 관측치가 다른 관측치에 대한 정보를 제공하면 관측치가 종속됩니다.
실험 런이 랜덤화되어야 함

랜덤화하면 제어되지 않는 조건으로 인해 결과가 치우칠 확률이 감소합니다. 랜덤화를 통해 재료와 조건의 내재되어 있는 변동을 추정할 수 있으므로 실험의 데이터를 근거로 올바른 통계 추론을 작성할 수 있습니다.

경우에 따라 랜덤화로 인해 바람직하지 않은 런 순서가 지정될 수도 있습니다. 예를 들어, 요인 수준을 변경하기 어렵고 비용이 많이 들거나 안정된 공정을 생성하는 데 오랜 시간이 걸릴 수 있습니다. 이러한 경우에는 수준 변경을 최소화하기 위해 분할구 설계를 사용하여 랜덤화할 수도 있습니다.

최적의 경험을 사용한 데이터 수집
유효한 결과를 얻으려면 다음 지침을 따르십시오.
  • 데이터가 관심 있는 모집단을 나타내는지 확인합니다.
  • 필요한 정밀도를 제공하기에 충분한 데이터를 수집합니다.
  • 데이터를 수집된 순서대로 기록합니다.
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오