分析变异性的数据注意事项

为了确保结果有效,请在收集数据、执行分析和解释结果时考虑以下准则。

设计必须是 2 水平因子设计
如果您没有 2 水平因子设计,则使用等方差检验
响应应该是重复测量值或仿行测量值的标准差
在相同试验游程或连续游程中采用重复测量值,而在相同但性质不同的试验游程中采用仿行测量值。在多列中跨行输入重复,但对于仿行则只沿一列向下输入。
如果需要分析位置效应,则可以储存重复测量值的均值,然后使用分析因子设计
数据必须至少包括 2 个因子,这些因子可以是连续因子,也可以是类别因子
如果您只有一个类别因子且没有连续预测变量,请使用等方差检验
确保测量系统生成可靠的响应数据

如果测量系统的变异性太大,则试验可能无法查找到重要效应。

每个观测值都应当独立于所有其他观测值
如果您的各观测值非独立,则结果可能无效。请考虑以下几点来确定观测值是否为独立值:
  • 如果一个观测值不提供有关另一个观测值的信息,则说明这两个观测值是独立的。
  • 如果一个观测值提供有关另一个观测值的信息,则说明这两个观测值是相关的。
应对试验游程进行随机化

通过随机化,可降低非受控条件导致结果偏差的几率。通过随机化,还可以估计材料和条件的固有变异,从而可以根据试验中的数据做出有效的统计学论断。

在某些情况下,随机化可能会导致不想要的运行顺序。例如,因子水平变化可能很困难、成本高昂或需要很长时间才能产生稳定的过程。在这些情况下,您可能想通过裂区设计进行随机化,以尽可能降低水平变化。

使用最佳做法收集数据
要确保结果有效,请考虑以下准则:
  • 确保数据代表您感兴趣的总体。
  • 收集足够多的数据以提供必要的精确度。
  • 按数据的收集顺序记录数据。
模型应当提供良好的数据拟合

如果模型无法与数据拟合,则结果可能会具有误导性。在输出中,使用残值图、异常观测值的诊断统计量以及模型汇总统计量可以确定模型对数据的拟合优度。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策