일반 선형 모형(GLM)에서는 회귀 분석 방법을 사용하여 모형을 적합시킵니다. 그런 다음, GLM은 요인 수준을 지시 변수로 코드화하여 모든 항에 대한 계수를 계산하는 데 사용합니다. 계수는 지시 변수가 (-1,0,+1) 코드화를 사용하는지 (1,0) 코드화를 사용하는 지에 따라 다르게 해석됩니다. (+1, 0, -1) 코드화 방법을 사용하는 경우, 계수가 요인 수준과 전체 평균 간의 거리를 나타냅니다. (1,0) 코드화 방법을 사용하는 경우, 계수가 다른 요인 수준과 요인의 기준 수준 간의 차이를 나타냅니다.
두 코드화 유형 모두 하나의 수준은 기준 수준입니다. 기본적으로 Minitab에서는 기준 수준에 대한 계수를 계수 표에 나열하지 않습니다. 경우에 따라 기준 값이 크기 및 방향 면에서 전체 평균과 비교되는 방식을 이해하기 위해 기준 수준의 계수를 확인할 수 있습니다.
요인이 두 개인 일반 선형 모형 검정을 수행한다고 가정합니다. 요인 1에는 3가지 설정(35, 44, 52)이 있습니다. 요인 2는 2가지 시간(1과 2)입니다. Minitab에서는 (-1,0,+1) 코드화를 사용합니다. 요인과 지시 변수는 다음 표에 있습니다.
| 요인 2 | 지시 변수 1 | 지시 변수 2 |
|---|---|---|
| 52 | -1 | -1 |
| 35 | 1 | 0 |
| 44 | 0 | 1 |
| 52 | -1 | -1 |
| 44 | 0 | 1 |
| 35 | 1 | 0 |
| 요인 1 | 지시 변수 |
|---|---|
| 1 | 1 |
| 1 | 1 |
| 2 | -1 |
| 2 | -1 |
| 1 | 1 |
| 2 | -1 |
계수 표는 다음과 같습니다.
| 항 | 계수 | SE 계수 | T-값 | P-값 | VIF |
|---|---|---|---|---|---|
| 상수 | 68.22 | 1.28 | 53.36 | 0.000 | |
| 설정 | |||||
| 35 | -27.64 | 1.81 | -15.29 | 0.000 | 1.33 |
| 44 | 4.86 | 1.81 | 2.69 | 0.011 | 1.33 |
| 시간 | |||||
| 1 | -0.50 | 1.28 | -0.39 | 0.698 | 1.00 |
분산 분석 모형은 다음과 같습니다.
| 두께 | = | 68.22 - 27.64 설정_35 + 4.86 설정_44 + 22.78 설정_52 - 0.50 시간_1 + 0.50 시간_2 |
|---|
52(요인 1) 또는 2(요인 2)에 대한 계수는 표에 포함되어 있지 않으며, 이 두 수준은 각 요인의 기준 수준이기 때문입니다. 그러나 각 수준 평균에서 전체 평균을 빼면 이 값을 쉽게 계산할 수 있습니다. 상수항은 전체 평균입니다.
각 요인에 대해 이 단계를 반복합니다.
기준 수준에 대한 계수를 빠르게 구하는 방법은 요인에 대한 수준 계수를 더하고(절편 제외) −1로 곱하는 것입니다. 예를 들어, 설정 52에 대한 계수 = −1 * [(−27.64) + (4.86)] = 22.78입니다.
공변량을 추가하거나 각 그룹 내의 표본 크기가 같지 않을 경우에는 산술 평균(관측치의 합을 n으로 나눈 값) 대신 각 요인 수준에 대한 가중 평균을 사용하여 계수가 계산됩니다.