검정력 및 표본 크기 분석의 차이

차이는 귀무 가설에서의 모집단 모수와 실제 값 간에 탐지하고자 하는 가장 작은 차이입니다. 일반적으로, 모집단의 모든 단위를 측정할 수 없기 때문에 실제 값을 알지 못합니다. 차이는 모집단 효과 또는 간단히 효과로도 알려져 있습니다.

차이는 가설 검정 및 분산 분석 연구의 검정력에 영향을 미칩니다. 가설 검정이나 분산 분석을 위해 데이터를 수집하기 전에 검정력 및 표본 크기 분석을 수행하여 검정력이 차이를 탐지하기에 충분히 높은지 여부를 확인할 수 있습니다.

표본 크기를 추정할 때 대립 가설로 보다 작음을 선택한 경우에는 차이에 음수 값을 입력해야 합니다. 보다 큼을 선택한 경우에는 양수 값을 입력해야 합니다.

검정력 또는 표본 크기를 계산하려면 실제 요인 수준 평균의 가장 큰 값과 가장 작은 값 사이의 차이를 추정해야 합니다. 예를 들어 처리 조건(요인 수준)이 네 개인 실험을 계획하고 있다고 가정합니다. 실험을 통해 관리 그룹 평균 10과 수준 평균 15 사이의 차이를 찾으려고 합니다. 이 경우 최소한 5의 차이를 탐지하고자 합니다.

검정력 또는 반복실험 횟수를 계산할 때는 검출할 최소 효과를 지정해야 합니다. 이 효과는 요인의 낮은 수준의 평균과 높은 수준의 평균 사이의 차이로 표현합니다. 예를 들어 제품의 순도에 대한 칼럼 온도의 효과를 확인하려고 한다고 가정합니다. 낮은 온도 수준과 높은 온도 수준 사이의 순도 차이가 0.007보다 큰 경우만 검출하려고 합니다. 대화 상자의 효과에 0.007을 입력합니다.

주효과의 가장 작은 수준과 가장 큰 수준 간의 차이를 지정합니다. 보수적인 결과를 제공하기 위해 Minitab에서는 수준 수가 가장 많은 주효과를 기반으로 검정력 및 표본 크기 분석을 수행합니다.