"최소 제곱 적합" 보고서의 "효과 선별" 옵션("반응"의 빨간색 삼각형 메뉴에서 액세스)은 효과에 대해 전통적 검정을 사용할 수 없을 때 유용합니다. 종종 오차 자유도를 제공하지 않는 선별 설계의 경우 이러한 문제가 발생합니다.
이러한 설계의 경우 효과 크기에 대한 대부분의 추론은 비절편 모수의 추정값이 상관관계가 없고 분산이 동일하다고 가정합니다. 이 가정은 많은 전통적 실험 설계와 관련된 모형에 적용됩니다. 그러나 이러한 가정이 해당되지 않는 경우가 있습니다. 두 경우 모두 "효과 선별" 옵션을 사용하면 유의한 효과를 확인하는 데 도움이 됩니다.
"효과 선별" 옵션은 효과 희소성 원리를 사용합니다(Box and Meyer 1986). 이 원리는 선별 설계에서 연구하는 효과 중 활성 효과는 상대적으로 적다고 주장합니다. 대부분은 비활성 상태이며, 이는 실제 효과가 0이고 추정값이 랜덤 오차임을 의미합니다.
"효과 선별"에서 다음 옵션을 사용할 수 있습니다.
척도화된 추정값
평균이 0이고 범위가 2가 되도록 척도화된 요인에 해당하는 모수 추정값을 표시합니다. 자세한 내용은 척도화된 추정값 및 연속형 항 코딩에서 확인하십시오.
정규 확률도
정규성에서 벗어난 모수 추정값을 식별하여 활성 효과를 확인하는 데 도움이 됩니다. 자세한 내용은 정규 확률도 보고서에서 확인하십시오.
Bayes 그림
베이지안 방법을 사용하여 모든 모형 항에 대한 사후 확률을 계산합니다. 자세한 내용은 Bayes 그림 보고서에서 확인하십시오.
파레토도
직교화 및 표준화된 모수 추정값의 절대값을 해당 절대값의 합과 연결하여 그림에 나타냅니다. 자세한 내용은 파레토도 보고서에서 확인하십시오.