分析因子设计的二元响应的均值表

请查找均值表中的每个统计量的定义和解释指导。

拟合均值概率

拟合均值使用拟合模型中的系数来计算因子或交互作用的每个水平组合的均值响应。

拟合均值概率非常有用，因为数据均值概率可能不是主效应和交互作用效应的有效指标。数据均值概率的差值可能表示不平衡的试验条件而非由于因子水平变化导致的差异。拟合均值概率可通过估计平衡设计的结果来解决此问题。

使用“均值”表可理解因子水平之间的统计意义显著性差异。每组的均值概率提供每个总体概率的估计值。查找统计意义显著的项的组概率之间的差值。

对于主效应，该表显示每个因子内的组及其概率。对于交互作用项效应，该表显示组的所有可能的组合。如果交互作用项在统计意义上显著，不考虑交互作用效应就无法解释主效应。

在这些结果中，均值表显示食物腐败的概率如何随防腐剂类型、真空压力、污染程度和冷却温度而变化。在水平为 0.05 时，包括防腐剂、真空压力和污染程度在内的因子在统计意义上显著。在水平为 0.05 时，任何交互作用在统计意义上都不显著。

例如，对于公式 1 的防腐剂类型，拟合均值概率为 0.04918。此值比防腐剂为公式 2 时的拟合均值概率 0.07501 要小。

如果反复从同一总体提取样本，则均值标准误 (SE Mean) 会估计您将获取的拟合均值概率的变异性。

例如，在标准误为 0.02 时，患者有资格被纳入一项新疗法研究的概率为 0.63。如果从相同总体中抽取数量相同的多个随机样本，则这些不同样本比率的标准差大约为 0.02。

使用均值的标准误可以确定拟合均值概率对总体均值概率的估计精确度。

均值标准误的值越小，表明总体均值概率的估计值越精确。通常，标准差越大，均值的标准误就越大，总体均值概率的估计值越不精确。样本数量越大，均值的标准误就越小，总体均值概率的估计值越精确。

协变量均值是协变量值的平均值，即所有观测值之和除以观测值的个数。均值使用表示协变量值中心的单个值来汇总样本值。

此值是协变量的均值。Minitab 在为因子计算拟合均值时，将协变量保持在均值。

标准差是离散的最常用度量，即各个协变量值从均值扩散的程度。

使用标准差可以确定协变量相对于均值的变化量。Minitab 在为因子计算拟合均值时，将协变量保持在均值。