직교 회귀 분석에 대한 데이터 고려 사항

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

데이터에 측정 오차가 포함된 하나의 계량형 예측 변수만 포함되어야 합니다.

하나의 계량형 예측 변수가 있지만 측정 오차가 포함되어 있지 않으면 적합선 그림을 사용하십시오.

반응 변수가 계량형이어야 함

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

측정치의 유사성을 평가하지 않는 경우 다음 분석을 대신 고려할 수 있습니다.

• 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.

반응 변수와 예측 변수의 측정 오차 분산 비율을 지정해야 합니다.

오차 분산의 추정치를 얻는 한 가지 방법은 각 변수에 대해 별도의 Gage R&R 연구를 수행하는 것입니다.

측정치의 실제 또는 기대 범위를 나타내는 측정 단위를 선택합니다.

두 계기 또는 방법이 유사한 측정치를 제공한다는 것을 확인하려면 측정치가 유사해야 하는 모든 값을 나타내는 측정 단위를 선택합니다. 그런 다음 두 계기 또는 방법을 모두 사용하여 단위를 측정합니다.

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 그림 및 적합선 그림을 사용하여 모형이 데이터를 얼마나 잘 적합시키는지 확인하십시오.