복합 다변량 모형의 예
이 예에서는 모형 적합 플랫폼의 다변량 분산분석을 사용하여 반복 측정 계층으로 콜레스테롤 치료 데이터를 모델링합니다. 5명의 참가자로 구성된 그룹은 A, B, Control(대조), Placebo(플라시보)라는 4개의 treatment(치료) 그룹 중 하나에 속합니다. 3개월 동안 한 달에 한 번 아침에 콜레스테롤 수치를 측정하고 오후에 다시 측정했습니다. 이 예에서 반응 열은 월별 시간에 따라 순서대로 배열되어 있습니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Cholesterol.jmp를 엽니다.
2. 분석 > 모형 적합을 선택합니다.
3. April AM, April PM, May AM, May PM, June AM 및 June PM을 선택하고 Y를 클릭합니다.
4. treatment를 선택하고 추가를 클릭합니다.
5. "분석법" 옆에서 다변량 분산분석을 선택합니다.
6. 실행을 클릭합니다.
그림 10.5 treatment 그래프
treatment 그래프에서 4개의 치료 그룹이 매우 유사한 평균 콜레스테롤 값으로 연구를 시작했음을 알 수 있습니다. A 및 B 치료 그룹은 실험 기간이 끝날 때 콜레스테롤 수치가 더 낮은 것으로 보입니다. 대조 및 플라시보 그룹은 변경되지 않았습니다.
7. 반응 선택 메뉴를 클릭하고 복합을 선택합니다.
데이터 테이블에 반응이 배열되는 방식과 각 반응의 수준 수를 지정하여 이 창을 완료합니다. 콜레스테롤 예에서 시간 열은 월 내에 배열됩니다. 따라서 시간을 하나의 요인으로 지정하고 월 효과를 다른 요인으로 지정합니다. 교호작용 효과 검정은 선택 사항입니다.
8. Figure 10.6의 옵션을 사용하여 창을 완료합니다.
그림 10.6 복합 창
9. 확인을 클릭합니다.
각 효과에 대한 검정이 나타납니다. Figure 10.7에 보고서의 일부가 표시되어 있습니다. 다음 사항에 유의하십시오.
– "시간" 보고서에는 시간과 treatment 간의 교호작용에 대한 p 값이 0.6038로 표시되어 교호작용이 유의하지 않음을 나타냅니다. 즉, 오전(AM)과 오후(PM) 사이에 treatment 차이가 있다는 증거가 없음을 의미합니다. 시간의 수준(AM, PM)이 두 개이므로 정확 F 검정이 나타납니다.
– "월" 보고서에는 월과 treatment 간의 교호작용에 대한 p 값이 <.0001로 표시되어 교호작용이 유의함을 나타냅니다. 즉, 치료 그룹 간의 차이가 월에 따라 달라진다는 것을 나타냅니다. Figure 10.5의 treatment 그래프를 보면 4월(April)에는 그룹 간에 차이가 없지만 5월(May)에는 치료 유형(A, B, Control, Placebo) 간의 차이가 커지고 6월(June)에는 훨씬 더 커집니다.
– "시간*월" 보고서에는 treatment에 대해 유의한 p 값이 표시되지 않습니다. 즉, 시간, 월, treatment를 포함한 삼원 교호작용 효과가 통계적으로 유의하지 않음을 나타냅니다.
그림 10.7 콜레스테롤 연구 결과
