Friedman 검정에 대한 데이터 고려 사항

결과가 유효한지 확인하려면 데이터를 수집하고 분석을 수행하며 결과를 해석할 때 다음 지침을 고려하십시오.

Friedman 검정 대신 모수 분석을 사용하는 경우 데이터가 해당 분석의 데이터 요구 사항을 충족하는지 확인해야 합니다. 모수 분석의 데이터 요구 사항은 Friedman 검정과 같은 비모수 분석의 요구 사항과 항상 호환되지는 않습니다.

데이터에 두 개의 범주형 요인이 포함되어야 합니다.

한 요인은 처리입니다. 다른 요인은 각 처리가 랜덤하게 할당되는 블럭입니다. Friedman 검정을 수행하려면 각 처리 및 블럭의 조합마다 정확히 하나의 관측치가 있어야 합니다. 조합의 관측치가 정확히 하나가 아니면 Minitab에서 계산을 완료할 수 없습니다.

고정된 범주형 요인이 두 개 이상 있으면, 모두 고정 요인인 경우 일반 선형 모형 적합을 사용하고 변량 요인이 있는 경우 혼합 효과 모형 적합을 사용하십시오.

요인에 대한 자세한 내용은 요인 및 요인 수준과 고정 및 벼량 요인으로 이동하십시오.

반응 변수는 계량형 또는 순서형이어야 합니다

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 횟수(예: 결점 수)를 카운트하면 포아송 모형 적합을 사용하십시오.

표본 데이터는 정규 분포를 따를 필요가 없습니다

모든 블럭-처리 조합에 대한 분포의 형상 및 산포가 같아야 하지만, 정규 분포를 따를 필요는 없습니다.

설계에는 5개 이상의 블럭 또는 처리가 포함되어 있어야 합니다.

Friedman 검정은 테스트 통계량 S를 사용하여 p-값을 계산합니다. 귀무 가설 하에서는 카이-제곱 분포가 S의 분포와 근사합니다. 랜덤화 블럭 설계의 블럭 수나 처리 수가 5보다 큰 경우 근사가 상당히 정확합니다.

각 관측치가 다른 모든 관측치로부터 독립적이어야 합니다

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

종속적인 관측치가 있는 경우 반복 측정 설계 분석으로 이동하십시오. 표본에 대한 자세한 내용은 종속 및 독립 표본의 차이로 이동하십시오.

최적의 경험을 사용한 데이터 수집

유효한 결과를 얻으려면 다음 지침을 따르십시오.