완전 내포 분산 분석에 대한 데이터 고려 사항

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

데이터에 변량인 내포 범주형 요인만 포함되어야 합니다.

설계에 공변량, 고정 요인 또는 교차 요인이 포함되어 있으면 일반 선형 모형 적합을 사용하십시오.

자세한 내용은 요인 및 요인 수준, 요인, 교차 요인 및 내포 요인의 정의 및 고정 요인과 변량 요인의 차이에서 확인하십시오.

설계는 완전히 내포되어야 합니다.

Minitab에서는 요인 상자의 요인 순서에 따라 수행된 내포를 사용하여 계층적으로 완전히 내포된 모형을 적합시킵니다. 요인을 A B C로 입력하면 모형 항은 다음과 같이 됩니다.

• A
• B가 A에 내포됨
• C가 B에 내포되고, B가 A에 내포됨

균형 분산 분석 또는 GLM의 경우와 같이 내포를 지정할 필요는 없습니다.

내포는 균형적이지 않아도 됩니다. 내포 요인은 일부 내포 요인 수준에서 최소 두 개의 수준을 가져야 합니다. 요인 B가 요인 A 내에 내포되면 A의 각 수준 내에서 B의 수준 수가 동일하지 않을 수 있습니다. 또한 요인 A의 각 수준 내에서 요인 B의 4개 수준을 나타내기 위해 사용되는 첨자가 다를 수 있습니다. 그러나 완전 내포 설계가 불균형한 경우에는 F 및 p-값이 계산되지 않습니다.

Minitab에서는 완전 내포 분산 분석의 모든 계산에 순차 제곱합(제1종)을 사용합니다. 수정 제곱합을 사용하려면 일반 선형 모형 적합을 사용하십시오.

설계가 완전히 내포되지 않으면 일반 선형 모형 적합을 사용하십시오.

반응 변수가 계량형이어야 함

반응 변수가 범주형이면 모형이 분석의 가정을 충족하거나 데이터를 정확히 설명하거나 유용한 예측을 할 가능성이 적습니다.

• 반응 변수에 두 개의 범주가 있으면(예: 통과 및 실패) 이항 로지스틱 모형 적합을 사용하십시오.
• 반응 변수에 자연스러운 순서를 갖는 세 개 이상의 범주가 있으면(예: 적극 반대, 반대, 중립, 찬성, 적극 찬성) 순서형 로지스틱 회귀 분석을 사용하십시오.
• 반응 변수에 자연스러운 순서를 갖지 않는 세 개 이상의 범주가 있으면(예: 긁힘, 패임, 찢어짐) 명목형 로지스틱 회귀 분석을 사용하십시오.
• 반응 변수가 발생 횟수를 카운트하면(예: 결점 수) 포아송 모형 적합을 사용하십시오.

각 관측치가 다른 모든 관측치로부터 독립적이어야 함

관측치가 종속되면 결과가 유효하지 않을 수도 있습니다. 관측치가 독립적인지 여부를 확인하려면 다음과 같은 점을 고려하십시오.

• 한 관측치가 다른 관측치에 대한 정보를 제공하지 않으면 관측치가 독립적입니다.
• 한 관측치가 다른 관측치에 대한 정보를 제공하면 관측치가 종속됩니다.

표본 데이터는 랜덤하게 선택해야 합니다.

랜덤 표본은 모집단에 대한 일반화 또는 추론을 작성하기 위해 사용됩니다. 데이터가 랜덤하게 수집되지 않은 경우에는 결과가 모집단을 나타내지 않을 수 있습니다.

최적의 경험을 사용한 데이터 수집

유효한 결과를 얻으려면 다음 지침을 따르십시오.

• 데이터가 관심 있는 모집단을 나타내는지 확인합니다.
• 필요한 정밀도를 제공하기에 충분한 데이터를 수집합니다.
• 최대한 정확하게 변수를 측정합니다.
• 데이터를 수집된 순서대로 기록합니다.

모형이 데이터를 잘 적합해야 함

모형이 데이터를 적합시키지 않으면 잘못된 결과를 얻을 수 있습니다. 결과에서 잔차 그림을 사용하여 모형이 데이터를 얼마나 잘 적합시키는지 확인하십시오.