2x2 교차 설계에 대한 동등성 검정의 효과

2x2 교차 설계를 사용한 동등성 검정과 함께 효과 표에 제공되는 값에 대한 정의 및 해석 방법을 확인해 보십시오.

이월 효과

이월 통계량은 어떤 처리의 다음 처리에 대한 효과를 측정합니다. 예를 들어, 기준 처리의 효과가 크고 검정 처리의 효과가 약하다고 가정합니다. 세척 기간이 충분히 길지 않은 경우 기간 1의 기준 처리에 대한 잔차 효과로 인해 기간 2의 검정 처리 효과가 실제보다 크게 보일 수도 있습니다.

해석

이월 효과의 p-값을 유의 수준(알파 또는 α로 표기됨)과 비교하십시오. 0.05의 α가 일반적입니다. p-값이 α보다 작은 경우 이월 효과가 통계적으로 유의합니다. 이 경우 동등성 검정 결과가 치우칠 수도 있습니다.

효과 효과 SE DF T-값 P-값 95% 동등성 CI 이월 0.45181 0.64988 15 0.69521 0.498 (-0.93339, 1.8370) 처리 -0.32104 0.060641 15 -5.2941 0.000 (-0.45030, -0.19179) 기간 -0.097708 0.060641 15 -1.6112 0.128 (-0.22696, 0.031546)

이 결과에서 추정된 이월 효과는 0.45181입니다. 그러나 p-값이 0.498로 α(0.05)보다 큽니다. 따라서 이월 효과가 통계적으로 유의하지 않습니다.

중요

이월 효과 또는 기간 효과가 통계적으로 유의한 경우 동등성 검정의 결과를 신뢰할 수 없을 수도 있습니다. 또한 처리 효과가 이월 효과 및 기간 효과와 교락되어 추정치를 불확실하게 만들 수도 있습니다. 2x2 교차 설계를 사용하는 경우 데이터를 수집하고 분석하기 전에 이월 효과와 기간 효과를 피할 수 있도록 주의깊게 연구를 계획해야 합니다.

처리 효과

처리 통계량은 검정 처리 효과와 기준 처리 효과의 차이를 측정합니다. 대부분의 연구에서 처리 효과는 중요한 효과입니다.

해석

처리 효과에 대한 p-값을 유의 수준(알파 또는 α로 표기됨)과 비교하십시오. 0.05의 α가 일반적입니다. p-값이 α보다 작은 경우 처리 효과가 통계적으로 유의합니다.

효과 효과 SE DF T-값 P-값 95% 동등성 CI 이월 0.45181 0.64988 15 0.69521 0.498 (-0.93339, 1.8370) 처리 -0.32104 0.060641 15 -5.2941 0.000 (-0.45030, -0.19179) 기간 -0.097708 0.060641 15 -1.6112 0.128 (-0.22696, 0.031546)

이 결과에서 추정된 처리 효과는 −0.32104입니다. 처리 효과에 대한 p-값은 0.000으로, 0.05보다 작습니다. 따라서 처리 효과는 0.05 수준에서 통계적으로 유의합니다. 유의한 처리 효과는 한 처리의 효과가 다른 효과보다 크다는 것을 나타냅니다. 그러나 유의한 처리 효과가 동등성을 주장할 수 없다는 것을 의미하지는 않습니다. 처리 평균 간의 차이가 여전히 동등성 한계 내에 있을 수도 있습니다.

중요

이월 효과 또는 기간 효과가 통계적으로 유의한 경우 동등성 검정의 결과를 신뢰할 수 없을 수도 있습니다. 또한 처리 효과가 이월 효과 및 기간 효과와 교락되어 추정치를 불확실하게 만들 수도 있습니다. 2x2 교차 설계를 사용하는 경우 데이터를 수집하고 분석하기 전에 이월 효과와 기간 효과를 피할 수 있도록 주의깊게 연구를 계획해야 합니다.

기간 효과

기간 통계량은 기간 1과 기간 2의 반응 간의 차이를 측정합니다. 예를 들어, 혈압을 반응으로 측정하는 경우 단순히 피실험자가 검정 환경과 절차에 더 익숙해지기 때문에 기간 2 동안 반응이 감소할 수도 있습니다. 따라서 피실험자가 익숙해짐에 따라 기간 효과가 발생할 수 있습니다.

해석

기간 효과의 p-값을 유의 수준(알파 또는 α로 표기됨)과 비교하십시오. 0.05의 α가 일반적입니다. p-값이 α보다 작은 경우 기간 효과가 통계적으로 유의합니다. 이 경우 동등성 검정의 결과가 치우칠 수도 있습니다.

효과 효과 SE DF T-값 P-값 95% 동등성 CI 이월 0.45181 0.64988 15 0.69521 0.498 (-0.93339, 1.8370) 처리 -0.32104 0.060641 15 -5.2941 0.000 (-0.45030, -0.19179) 기간 -0.097708 0.060641 15 -1.6112 0.128 (-0.22696, 0.031546)

이 결과에서 추정된 기간 효과는 −0.097708입니다. 그러나 p-값이 0.128로, 알파(0.05)보다 큽니다. 따라서 기간 효과가 통계적으로 유의하지 않습니다.

중요

이월 효과 또는 기간 효과가 통계적으로 유의한 경우 동등성 검정의 결과를 신뢰할 수 없을 수도 있습니다. 또한 처리 효과가 이월 효과 및 기간 효과와 교락되어 추정치를 불확실하게 만들 수 있습니다. 2x2 교차 설계를 사용하는 경우 데이터를 수집하고 분석하기 전에 이월 효과와 기간 효과를 피할 수 있도록 주의깊게 연구를 계획해야 합니다.

효과에 대한 SE

각 효과의 표준 오차는 같은 모집단에서 반복 표본을 추출하는 경우 얻게 될 표본 효과 간의 변동성을 추정합니다.

해석

각 효과 추정치의 랜덤 표본 변동성에 대한 정확도를 평가하려면 효과의 표준 오차를 사용하십시오. 일반적으로 표준 오차가 작을수록 효과의 추정치가 더 정확하고 신뢰 구간이 더 좁아집니다.

각 효과를 표준 오차로 나누면 효과에 대한 t-값이 계산됩니다. 효과 크기에 비해 표준 오차가 낮을수록 t-값의 절대값이 큽니다. t-값과 관련된 p-값이 알파 수준보다 작은 경우 효과가 통계적으로 유의하다는 결론을 내립니다. 자세한 내용은 효과의 P-값에 대한 절을 참조하십시오.

DF

자유도(DF)는 데이터에서 알 수 없는 모수를 추정하고 이러한 추정치의 변동성을 계산하는 데 사용할 수 있는 정보의 양을 나타냅니다.

해석

Minitab에서는 검정 통계량을 계산하기 위해 자유도를 사용합니다. 자유도는 표본 크기의 영향을 받습니다. 표본 크기를 증가시키면 모집단에 대한 더 많은 정보가 제공되므로, 자유도가 증가합니다.

효과에 대한 t-값

t-값은 표본의 변동성(표준 오차)에 상대적인 효과의 크기를 측정하는 검정 통계량입니다.

해석

t-값을 사용하여 귀무 가설의 기각 여부를 확인할 수 있습니다. 그러나 대부분의 사람들은 해석하기 쉽기 때문에 p-값 또는 신뢰 구간을 사용합니다.

각 효과를 표준 오차로 나누면 효과에 대한 t-값이 계산됩니다. 효과 크기에 비해 표준 오차의 크기가 작을수록 t-값의 절대값이 더 크고 귀무 가설에 반하는 증거가 더 강합니다.

각 효과에 대한 t-값은 해당하는 p-값을 계산하기 위해 사용됩니다. 이 t-값과 관련된 p-값이 유의 수준보다 작은 경우 효과가 통계적으로 유의하다는 결론을 내립니다. 자세한 내용은 효과의 P-값에 대한 절을 참조하십시오.

효과에 대한 p-값

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

2x2 교차 설계에 대한 동등성 검정의 경우, Minitab에서는 이월 효과, 기간 효과 및 처리 효과에 대한 p-값을 계산합니다.

해석

효과가 통계적으로 유의한지 여부를 확인하려면 각 효과에 대한 p-값을 사용합니다. 각 p-값을 유의 수준(알파 또는 α로 표시됨)과 비교하십시오. 일반적으로 0.05의 α가 적절합니다.

효과에 대한 p-값
P-값 ≤ α: 효과가 통계적으로 유의함
p-값이 α보다 작으면 귀무 가설을 기각하고 효과가 0과 유의하게 다르다는 결론을 내립니다.
P-값 > α: 효과가 통계적으로 유의하지 않음
p-값이 α보다 크면 귀무 가설을 기각할 수 없습니다. 효과가 통계적으로 유의하다는 결론을 내릴 수 있는 충분한 증거가 없습니다.

이월 효과 또는 기간 효과가 통계적으로 유의한 경우 동등성 검정의 결과를 신뢰할 수 없을 수도 있습니다. 처리 효과가 이월 효과 및 기간 효과와 교락될 수도 있습니다. 2x2 교차 설계를 사용하는 경우 데이터를 수집하고 분석하기 전에 이월 효과와 기간 효과를 피할 수 있도록 주의깊게 연구를 계획해야 합니다.

이월 효과와 기간 효과가 통계적으로 유의하지 않으면 처리 효과가 통계적으로 유의한지 확인하십시오. 일반적으로 처리 효과가 중요한 효과입니다.

효과 효과 SE DF T-값 P-값 95% 동등성 CI 이월 0.45181 0.64988 15 0.69521 0.498 (-0.93339, 1.8370) 처리 -0.32104 0.060641 15 -5.2941 0.000 (-0.45030, -0.19179) 기간 -0.097708 0.060641 15 -1.6112 0.128 (-0.22696, 0.031546)

이 결과에서는 이월 효과 및 기간 효과에 대한 p-값이 모두 유의 수준 0.05보다 큽니다. 따라서 이러한 효과는 통계적으로 유의하지 않습니다. 처리 효과에 대한 p-값은 0.05보다 작으며, 이는 처리 간의 차이가 통계적으로 유의하다는 것을 나타냅니다.

참고

처리 효과가 통계적으로 유의해도 동등성을 주장할 수 없는 것은 아닙니다. 처리 평균 간의 차이가 여전히 동등성 한계 내에 있을 수도 있습니다. 동등성을 주장할 수 있는지 여부를 확인하려면 동등성 그림의 결과를 사용하십시오. 자세한 내용을 보려면 2x2 교차 설계에 대한 동등성 검정에 대한 그래프에서 "동등성 그림"을 클릭하십시오.

효과의 동등성에 대한 신뢰 구간(CI)

동등성에 대한 신뢰 구간은 표본 데이터를 기반으로 각 효과가 될 수 있는 값의 범위를 제공합니다.

해석

각 효과에 대해 효과가 통계적으로 유의한지 여부를 확인하려면 신뢰 구간과 p-값을 사용하십시오.

효과 효과 SE DF T-값 P-값 95% 동등성 CI 이월 0.45181 0.64988 15 0.69521 0.498 (-0.93339, 1.8370) 처리 -0.32104 0.060641 15 -5.2941 0.000 (-0.45030, -0.19179) 기간 -0.097708 0.060641 15 -1.6112 0.128 (-0.22696, 0.031546)

이 결과에서 이월 효과에 대한 95% 신뢰 구간은 (−0.93339, 1.8370)이고 기간 효과에 대한 95% 신뢰 구간은 (−0.22696, 0.031546)입니다. 그러나 이러한 효과는 모두 통계적으로 유의하지 않습니다(p > 0.05). 처리 효과에 대한 95% 신뢰 구간은 (−0.45030, −0.19179)입니다. 처리 효과는 통계적으로 유의합니다(p = 0.000).

중요

이월 효과 또는 기간 효과가 통계적으로 유의한 경우 동등성 검정의 결과를 신뢰할 수 없을 수도 있습니다. 또한 처리 효과가 이월 효과 및 기간 효과와 교락되어 추정치를 불확실하게 만들 수 있습니다. 2x2 교차 설계를 사용하는 경우 데이터를 수집하고 분석하기 전에 이월 효과와 기간 효과를 피할 수 있도록 주의깊게 연구를 계획해야 합니다.

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