일반 완전 요인 설계에 대한 검정력 및 표본 크기에 대한 주요 결과 해석

일반 완전 요인 설계에 대한 검정력 및 표본 크기를 해석하려면 다음 단계를 수행하십시오. 주요 결과에는 주효과 평균 간의 최대 차이, 반복실험 횟수, 검정력, 전체 런 수 및 검정력 곡선이 포함됩니다.

1단계: 계산된 값 조사

Minitab에서는 사용자가 입력한 두 검정력 함수 변수의 값을 사용하여 반복실험 횟수, 주효과 평균 간의 최대 차이 값 또는 설계의 검정력을 계산합니다.

주효과 평균 간 최대 차이 값
최대 차이는 평균이 가장 큰 요인 수준과 가장 작은 요인 수준 간에 탐지하려는 크기입니다. 계산에서는 다른 요인에 대해 보수적인 계산을 생성하기 위해 수준 수가 가장 많은 요인을 사용합니다. Minitab에서는 설계에서 탐지하는 가장 작은 차이를 계산합니다. 반복실험 횟수가 많을수록 설계에서 더 작은 차이를 탐지할 수 있습니다. 일반적으로 현재 연구에서 실제적인 결과가 있는 가장 작은 차이를 탐지합니다.
반복실험
주효과 평균 간의 최대 차이 값과 검정력 값을 입력하면 Minitab에서 반복실험 횟수를 계산합니다. 반복실험은 동일한 요인 설정을 가진 복수 실험 런입니다. 반복실험 횟수가 정수이므로 실제 검정력은 목표값보다 약간 클 수도 있습니다.
반복실험 횟수를 늘리면 설계의 검정력도 증가합니다. 적절한 검정력을 달성하기에 충분한 반복실험이 필요합니다.
전체 런 수
모든 경우 Minitab은 반복실험 횟수에서 전체 런 수를 계산합니다. 단일 반복실험의 런 수는 수준 수의 곱입니다. 전체 런 수는 이 기본 설계 크기와 반복실험 횟수의 곱입니다.
검정력 값
반복실험 횟수와 주효과 평균 간의 최대 차이를 입력하면 Minitab에서 검정력 값을 계산합니다. 검정력은 유의한 차이를 올바르게 찾을 확률입니다. 일반적으로 0.9의 검정력 값이 충분한 것으로 간주됩니다. 0.9의 값은 요인 설정 간의 차이를 탐지할 확률이 90%라는 것을 나타냅니다. 다른 설계 속성을 일정하게 유지한 상태에서 전체 런 수가 적거나 최대값이 작을수록 설계의 검정력이 낮습니다.

검정력 및 표본 크기

일반 완전 요인 설계 α = 0.05 가정된 표준 편차 = 1.8 요인: 3 수준 개수: 4, 3, 3 모형에 포함되는 항의 최대 차수: 2 모형에 블럭을 포함하지 않습니다.
결과 최대 전체 목표 차이 반복 런 수 검정력 실제 검정력 2.0 3 108 0.8 0.932615 2.0 3 108 0.9 0.932615 1.8 3 108 0.8 0.867493 1.8 4 144 0.9 0.952918
주요 결과: 최대 차이, 반복실험 횟수, 전체 런 수, 목표 검정력, 실제 검정력

이 결과에서 Minitab은 80%의 목표 검정력과 90%의 목표 검정력에 도달하기 위한 반복실험 횟수를 계산합니다. 2.0의 차이를 탐지하려면 설계에 80%의 목표 검정력 또는 90%의 검정력을 달성하기 위한 3번의 반복실험이 필요합니다. 반복실험 횟수가 2번인 설계의 검정력은 80%의 검정력보다 낮습니다. 1.8의 더 작은 효과를 탐지할 수 있도록 3번의 반복실험은 80%보다 크고 90%보다 작은 검정력을 제공합니다. 90%의 검정력으로 더 작은 차이를 탐지하기 위해서는 설계된 실험에 4번의 반복실험이 필요합니다. 반복실험 횟수가 정수이므로 실제 검정력은 목표 검정력보다 큽니다.

이 결과는 또한 수준이 가장 많은 요인에 4개의 수준이 있다는 것을 보여줍니다. 이 결과는 4-수준 요인에 대해 정확합니다. 3-수준 요인의 경우, 특히 실제 검정력이 목표 검정력보다 훨씬 더 큰 경우 반복실험 횟수가 다를 수 있습니다.

2단계: 검정력 곡선 조사

설계에 적절한 속성을 평가하려면 검정력 곡선을 사용합니다.

검정력 곡선은 각 반복실험 횟수에 대한 검정력과 최대 차이의 관계를 조사합니다. 검정력 곡선의 각 기호는 사용자가 입력하는 속성을 기준으로 계산된 값을 나타냅니다. 예를 들어, 반복실험 횟수와 검정력 값을 입력하면 Minitab에서 해당하는 최대 차이를 계산하고 계산된 값을 그래프에 표시합니다.

곡선의 값을 조사하여 특정한 검정력 값과 반복실험 횟수에서 실험이 탐지하는, 수준 수가 가장 많은 요인에 대한 가장 큰 평균과 가장 작은 평균의 차이를 확인합니다. 일반적으로 0.9의 검정력 값이 적절한 것으로 간주됩니다. 그러나 일부 실무자들은 0.8의 검정력 값이 적절하다고 생각합니다. 설계의 검정력이 낮은 경우 실제적으로 유의한 차이를 탐지하지 못할 수도 있습니다. 전체 실험 런의 수를 늘리면 설계의 검정력이 증가합니다. 설계에 적절한 검정력을 달성하기에 충분한 수의 실험 런이 필요합니다. 설계에서 작은 차이보다 큰 차이를 탐지하기 위한 검정력이 더 높습니다.

이 결과에서 Minitab은 2, 3 또는 4의 최대 차이에 대해 0.9 이상의 검정력을 달성하기 위한 반복실험 횟수를 계산합니다. 0.9 이상의 검정력으로 2의 최대 차이를 탐지하기 위해서는 설계에 3번의 반복실험이 필요합니다. 그래프에는 3번의 반복실험에 대한 곡선이 포함되며 검정력이 0.9를 초과하는 경우 2의 최대 차이에 기호가 표시됩니다. 0.9 이상의 검정력으로 3의 최대 차이를 탐지하기 위해서는 설계에 2번의 반복실험이 필요합니다. 0.9 이상의 검정력으로 4의 최대 차이를 탐지하기 위해서는 1번의 반복실험이 필요합니다.

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