Taguchi 설계 분석에 대한 계수 표

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

계수

계수는 모형의 항과 반응 변수 사이에 존재하는 관계의 크기와 방향을 설명합니다. 계수의 절대값은 각 요인의 상대적인 강도를 나타냅니다. 여러 항 사이의 다중 공선성을 최소화하기 위해 계수의 단위는 모두 코드화됩니다.

Minitab에서 요인에 대해 계산하는 계수의 수는 수준의 수에서 1을 뺀 값입니다. 요인에 수준이 3개 있으면 Minitab은 요인 수준 1과 2에 해당하는 계수 2개를 제공하며, 요인에 수준이 2개 있으면 요인 수준 1에 해당하는 계수 하나를 제공합니다. Minitab은 수준에 해당하는 값이나 텍스트를 포함합니다.

해석

Taguchi 설계에서 요인 계수의 크기는 대부분 반응 표에서 요인 순위를 나타냅니다. 분석에 따라 반응은 신호 대 잡음비, 평균(정적 설계의 경우), 기울기(동적 설계의 경우) 또는 표준 편차입니다.

효과의 크기는 일반적으로 하나의 항이 반응 변수에 미치는 영향의 실제적 유의성을 평가하는 좋은 방법입니다. 그러나 유의성에 대한 계산에서는 반응 데이터의 변동도 고려하기 때문에 효과의 크기는 항이 통계적으로 유의한지 여부를 나타냅니다. 통계적 유의성을 확인하려면 항에 대한 p-값을 조사하십시오.

SE 계수

계수의 표준 오차는 같은 실험을 반복하는 경우 얻을 수 있는 계수 추정치 간의 변동성을 추정합니다. 이 계산에서는 반복해서 표본을 추출해도 추정할 실험 설계와 계수가 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 관련된 p-값이 유의 수준보다 작은 경우 계수가 통계적으로 유의하다는 결론을 내립니다.

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

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

해석

계수가 0과 통계적으로 다르다는 증거를 제공하는지 여부를 확인하려면 항에 대한 p-값을 유의 수준과 비교하여 귀무 가설을 평가하십시오. 귀무 가설은 계수가 0으로, 항과 선택된 반응 특성 간에 연관성이 없다는 것을 나타냅니다. Taguchi 설계에서 반응 특성은 평균, 표준 편차, 기울기 및 신호 대 잡음비와 같은 반응 함수를 의미합니다.

일반적으로 0.05의 유의 수준(α 또는 알파로 표시함)이 적절합니다. 0.05의 유의 수준은 계수가 0이 아닌데 0이라는 결론을 내릴 위험이 5%라는 것을 나타냅니다. 일반적으로 0.10의 유의 수준은 모형의 항을 평가하는 데 사용됩니다.
p-값 ≤ α: 연관성이 통계적으로 유의합니다.
p-값이 유의 수준보다 작거나 같으면 반응 특성과 항 간에 통계적으로 유의한 연관성이 있다는 결론을 내릴 수 있습니다.
p-값 > α: 연관성이 통계적으로 유의하지 않습니다.
p-값이 유의 수준보다 크면 반응 특성과 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.
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오