수명 데이터 회귀 분석에 대한 데이터 고려 사항

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

반응 변수가 계량형이어야 함
계량형 데이터는 분수 또는 소수 값을 포함하여 계량형 척도를 따라 값의 범위에 포함되는 숫자 값입니다. 반응 데이터가 수명의 계량형 측정값(또는 다른 단위) 대신 (두 가지 결과만 가능한) 이항 데이터인 경우 프로빗 분석을 사용합니다.
반응 데이터가 일반적으로 수명임
데이터를 수집하기 위해 일반적으로 하나 이상의 변수 및 요인에 의해 측정되는 여러 조건이 적용될 때 한 품목이 고장날 때까지의 시간을 측정합니다. 예를 들어, 여러 온도에서 실행되는 품목에 고장이 발생할 때까지의 시간을 측정할 수 있습니다.
수명이 서로 독립적이어야 함
한 품목의 수명이 다른 품목의 수명에 영향을 미치지 말아야 합니다. 수명이 서로 종속적인 경우 결과가 정확하지 않을 수도 있습니다. 예를 들어, 복구 가능한 시스템의 고장 사이의 시간은 보통 서로 독립적이지 않습니다.
관측 중단 데이터를 설명해야 함

수명 데이터는 일반적으로 관측 중단되므로, 일부 품목의 수명은 알 수 없습니다. 관측 중단된 관측치가 있으면 분석에 포함하여 정확한 신뢰도 추정치를 얻어야 합니다.

성공 시간을 아직 고장나지 않은 품목에 따라 결정하려면 우측 관측 중단을 사용합니다. 정확한 수명을 모르는 경우 불확실성을 설명하려면 구간 또는 좌측 관측 중단을 사용합니다. 자세한 내용은 데이터 관측 중단에서 확인하십시오.

모형에 최대 9개의 요인과 50개의 공변량을 포함할 수 있음
예측 변수는 요인(범주형 변수)이거나 공변량(계량형 변수)일 수 있습니다. 사용자가 예측 변수를 요인으로 지정하지 않는 한 예측 변수는 공변량으로 간주됩니다.
모형에서 이러한 예측 변수로부터 항이 생성되어 요인, 공변량, 교호작용 또는 내포된 항으로 처리될 수 있습니다. 요인은 교차되거나 내포될 수 있고 공변량은 다른 공변량 또는 요인과 교차되거나 요인 내에 내포될 수 있습니다.
모형이 데이터를 적절히 적합해야 함
정확한 결과를 얻기 위해서는 분포 적합치 및 동일한 형상 모수(Weibull 및 지수 분포) 또는 척도 모수(기타 분포) 등 모형의 가정이 데이터에 적합해야 합니다. 분포 모형을 선택하려면 공학적이거나 경험적인 지식을 이용합니다. 그런 다음 표준화 잔차 및 Cox-Snell 잔차에 대한 확률도를 검토하여 모형 가정이 적절한지 여부를 확인합니다.
모형이 완전 계수 또는 계층적이어야 함
계층적 모형에 교호작용 항이 포함되면 그보다 낮은 차수의 교호작용 및 교호작용 항을 구성하는 예측 변수가 모두 모형에 있어야 합니다. 완전 계수 모형에는 모형의 모든 항을 추정하기에 충분한 데이터가 포함됩니다. 결측 데이터, 데이터 부족 또는 높은 공선성이 있으면 모형이 완전 계수가 되지 못할 수 있습니다. 모형이 완전 계수가 아니면 분석을 수행할 때 경고가 표시됩니다. 일반적으로 중요하지 않은 고차 교호작용을 모형에서 제거하여 이 문제를 해결할 수 있습니다. 자세한 내용은 수명 데이터 회귀 분석 모형에 대한 제약 조건에서 확인하십시오.
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오