적합성 결여 및 적합성 결여 검정

적합성 결여의 정의

회귀 모형에서 실험 요인과 반응 변수의 함수 관계를 적절하게 설명하지 못하는 경우 적합성 결여를 나타냅니다. 교호작용 또는 2차 항과 같은 중요한 항이 모형에 포함되어 있지 않은 경우 적합성 결여가 발생할 수 있습니다. 또한 모형을 적합하게 만든 결과로 인해 비정상적으로 큰 잔차가 나타난 경우에도 적합성 결여가 발생할 수 있습니다.

Minitab의 적합성 결여 검정

Minitab은 데이터에 반복실험(x 값이 같은 여러 개의 관측치)이 포함되어 있을 경우 적합성 결여 검정을 표시합니다. 랜덤 변동만이 관측된 반응 값 사이의 차이를 유발할 수 있기 때문에 반복실험은 "순수 오차"를 나타냅니다.

모형이 데이터를 정확히 적합시키는지 여부를 확인하려면 p-값(P-값)을 유의 수준에 비교합니다. 일반적으로 0.05의 유의 수준(알파 또는 α라고도 함)이 좋습니다. 0.05의 α는 모형이 실제로 데이터를 적합시키지만 적합시키지 않는다는 결론을 내릴 가능성이 5%뿐이라는 것을 의미합니다.
p-값 < α: 모형이 데이터를 적합시키지 않습니다.
p-값이 α보다 작거나 같으면 모형이 데이터를 정확히 적합시키지 않는다는 결론을 내립니다. 더 나은 모형을 얻으려면 항을 추가하거나 데이터를 변환해야 할 수도 있습니다.
p-값 > α: 모형이 데이터를 적합시킨다는 증거가 없습니다.

p-값이 α보다 크면 모형이 데이터를 잘 적합시키지 않는다는 결론을 내릴 수 없습니다.

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