추정 방법, 고정 효과 항의 검정 방법 및 표시할 결과를 지정합니다. 변경된 기본 설정은 Minitab을 종료한 후에도 설정을 다시 변경할 때까지 유지됩니다.
- 추정 방법
-
제한적 최대우도법(REML) 또는 최대우도법(ML)을 선택할 수 있습니다. 일반적으로 REML의 분산 성분 추정량은 대략 치우침이 없고 ML 추정량은 치우치기 때문에 제한적 최대우도법(REML)을 사용합니다. 그러나 표본 크기가 클수록 치우침이 작아집니다.
두 모형의 랜덤 항과 오차 분산 구조가 같은 경우 고정 효과 항이 더 작은 내포된 모형이 고정 효과 항이 더 많은 해당 기준 모형만큼 적절한지 여부를 검정해야 하면 최대우도법(ML)을 사용하십시오. 특히
을 완전 모형의 -2 로그 우도, 
를 더 작은 모형의 -2 로그 우도로 설정하십시오.귀무 가설 하에서 점근적으로,
는 자유도가 기준 모형과 내포 모형 간 고정 효과 항 수의 차이와 같은 카이-제곱 분포를 따릅니다. 우도 비 검정을 사용하여 고정 효과 항의 부분 집합을 기준 모형에서 제거할 수 있는지 여부를 평가하십시오.혼합 효과 모형에 있는 고정 모수의 우도 비 검정에 대한 자세한 내용은 B. T. West, K.B. Welch, and A.T. Gałecki (2007)을 참조하십시오. 선형 추세 모형: A Practical Guide Using Statistical Software, First Edition. Chapman and Hall/CRC (34–36).
- 고정 효과에 대한 검정 방법
-
일반적으로 계산에 작은 표본 크기의 치우침을 줄이는 조정이 포함되기 때문에 Kenward-Roger 근사을 사용합니다. Satterthwaite 근사을 사용할 수도 있습니다. 일반적으로 표본 크기가 클수록 두 방법 간의 차이가 작습니다.
- 결과 표시
-
- 요인 정보
- 요인 이름, 요인이 변량 요인인지 여부, 요인의 수 및 수준의 요약을 표시합니다.
- 반복 기록
- 알고리즘이 수렴할 때까지 반복 횟수 및 각 반복에서 -2 로그 우도의 값을 표시합니다.
- 분산 성분
- 분산 성분의 추정치를 표시합니다.
- 분산 성분 추정치의 분산-공분산 행렬
- 분산 성분 추정치의 분산-공분산 행렬을 표시합니다.
- 고정 효과 검정
- 고정 효과의 여러 수준에서의 평균이 같은지 여부에 대한 가설 검정을 표시합니다.
- 랜덤 효과 예측
- 랜덤 항의 수준 효과에 대한 최적의 선형 불편 예측치(BLUP) 등 모형의 랜덤 항에 대한 통계량을 표시합니다.
- 주변 적합 방정식
- 주변 적합치에 대한 방정식을 표시합니다. 주변 적합치는 입력된 공변량 값을 사용하여(있는 경우) 고정된 요인의 조합된 수준에서 평균 반응을 나타냅니다. 주변 적합치 계산에서는 변량 요인 수준을 사용하지 않습니다.
- 각 요인 수준의 집합에 대한 개별 방정식: 요인 수준의 각 조합에 대해 별도의 방정식을 표시합니다.
- 단일 방정식: 모든 요인의 모든 수준을 포함하는 하나의 방정식을 표시합니다.
- 조건부 적합 방정식
- 조건부 적합치에 대한 방정식을 표시합니다. 조건부 적합치는 데이터 내 변량 요인의 수준에 대한 적합치입니다. 연구 내 변량 요인의 특정 수준 간의 차이를 확인하려면 조건부 적합치를 사용하십시오.
- 각 요인 수준의 집합에 대한 개별 방정식: 요인 수준의 각 조합에 대해 별도의 방정식을 표시합니다.
- 단일 방정식: 모든 요인의 모든 수준을 포함하는 하나의 방정식을 표시합니다.
- 주변 적합치 및 진단
-
- 비정상적 관측치에만: 비정상적 관측치만에 대한 주변 적합치, 주변 잔차 및 진단 통계량을 표시합니다.
- 모든 관측치에: 모든 관측치에 대한 주변 적합치, 주변 잔차 및 진단 통계량을 표시합니다.
- 조건부 적합치 및 진단
-
- 비정상적 관측치에만: 비정상적 관측치만에 대한 조건부 적합치, 잔차 및 진단 통계량을 표시합니다.
- 모든 관측치에: 모든 관측치에 대한 조건부 적합치, 잔차 및 진단 통계량을 표시합니다.
