반응 표면 설계를 위한 이항 반응 분석에 대한 주요 결과 해석

표준화된 효과의 Pareto 차트를 사용하여 주효과, 제곱 효과 및 교호작용 효과의 상대적 크기 및 통계적 유의성을 비교할 수 있습니다.

Minitab은 각 표준화된 효과의 절대값을 내림차순으로 표시합니다. 이때 차트의 기준선은 유의한 효과를 나타냅니다. 기본적으로 Minitab에서는 0.05의 유의 수준을 사용하여 기준선을 그립니다.

반응과 모형의 각 항 간의 연관성이 통계적으로 유의한지 여부를 확인하려면 항에 대한 p-값을 유의 수준과 비교하여 귀무 가설을 평가합니다. 귀무 가설은 항의 계수가 0으로, 항과 반응 간에 연관성이 없다는 것을 나타냅니다. 일반적으로 0.05의 유의 수준(α 또는 알파로 표시됨)이 적절합니다. 0.05의 유의 수준은 실제로 연관성이 없는데 연관성이 존재한다는 결론을 내릴 위험이 5%라는 것을 나타냅니다.

p-값 ≤ α: 연관성이 통계적으로 유의함

p-값이 유의 수준보다 작거나 같으면 반응 변수와 항 간에 통계적으로 유의한 연관성이 있다는 결론을 내릴 수 있습니다.

p-값 > α: 연관성이 통계적으로 유의하지 않음

p-값이 유의 수준보다 크면 반응 변수와 항 간에 통계적으로 유의한 연관성이 있다는 결론을 내릴 수 없습니다. 항 없이 모형을 다시 적합시킬 수도 있습니다.

반응과 통계적으로 유의한 연관성이 없는 예측 변수가 여러 개 있는 경우 한 번에 하나씩 항을 줄여 모형을 축소할 수 있습니다. 모형에서 항을 제거하는 방법은 모형 축소에서 확인하십시오.

이탈도 R-제곱

이탈도 R²이 클수록 모형이 데이터를 더 잘 적합시킵니다. 이탈도 R²은 항상 0%에서 100% 사이입니다.

모형에 항을 추가하면 이탈도 R²은 항상 증가합니다. 예를 들어, 최량 항이 5개인 모형은 최량 항이 4개인 모형보다 항상 R² 값이 큽니다. 따라서 이탈도 R²은 같은 크기의 모형을 비교할 때 가장 유용합니다.

데이터 배열은 이탈도 R² 값에 영향을 미칩니다. 일반적으로 행당 시행 횟수가 여러 번인 데이터에 대한 이탈도 R²이 행당 시행 횟수가 한 번인 데이터보다 큽니다. 이탈도 R² 값은 동일한 데이터 형식을 사용하는 모형 간에만 유사합니다.

적합도 통계량은 모형이 데이터를 얼마나 잘 적합시키는 지에 대한 하나의 측도에 지나지 않습니다. 모형에 바람직한 값이 있더라도 해당 모형이 데이터를 충족하는지 확인하려면 잔차 그림 및 적합도 검정을 확인해야 합니다.

이탈도 R-제곱(수정)

항 수가 다른 여러 모형을 비교하려면 수정 이탈도 R²을 사용하십시오. 모형에 항을 추가하면 이탈도 R²은 항상 증가합니다. 수정 이탈도 R² 값은 모형의 항 수에 통합되어 올바른 모형을 선택하는 데 유용합니다.

AIC, AICc 및 BIC

여러 모형을 비교하려면 AIC, AICc 및 BIC를 사용합니다. 각 통계량에 대해 작은 값을 사용하는 것이 바람직합니다. 그러나 예측 변수 집합에 대한 값이 가장 작은 모형이 반드시 데이터를 잘 적합시키는 것은 아닙니다. 모형이 데이터를 얼마나 잘 적합시키는지 평가하려면 적합도 검정과 잔차 그림도 사용하십시오.

편차가 통계적으로 유의한 경우 다른 연결 함수를 사용하거나 모형의 항을 변경할 수 있습니다.