이원 분산 분석의 예
모형 적합 플랫폼의 표준 최소 제곱 분석법을 사용하여 이원 분산 분석 모형을 적합시킵니다. 그런 다음 모형을 사용하여 변수 설정을 기반으로 예측을 탐색합니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Analgesics.jmp를 엽니다.
2. 분석 > 모형 적합을 선택합니다.
3. pain을 선택하고 Y를 클릭합니다.
4. gender와 drug를 선택하고 추가를 클릭합니다.
5. 실행을 클릭합니다.
6. "반응 pain"의 빨간색 삼각형 메뉴를 클릭하고 요인 프로파일링 > 프로파일러를 선택합니다.
아래에 보고서 섹션이 표시되고 설명이 나옵니다.
레버리지 그림
레버리지 그림을 사용하여 영향력 있는 관측값을 식별하고 회귀 모형에 미치는 영향을 평가할 수 있습니다.
그림 4.8 요인에 대한 레버리지 그림 및 최소 제곱 평균 테이블
영향력이 큰 점은 관측되지 않습니다. 그러나 gender와 drug 둘 다 적합선의 상승 추세에 따라 반응에 어느 정도 영향을 미치고, 최소 제곱 평균 값이 gender와 drug 수준에 따라 변화하는 것을 볼 수 있습니다.
실제값 대 예측값 그림
실제값 대 예측값 그림을 사용하면 yield 반응의 실제값을 모형의 예측값과 비교하여 모형의 성능과 정확성을 평가할 수 있습니다.
그림 4.9 실제값 대 예측값 그림
그림과 p 값 0.0006은 실제값과 예측값 사이의 관계가 통계적으로 유의하다는 것을 나타냅니다.
모형 적합 요약 테이블 및 잔차 그림
보고서의 테이블을 사용하여 모형 적합 및 반응 변수 통계량을 평가할 수 있습니다. "적합 요약" 테이블에는 모형 적합 및 반응 변수 통계량을 평가하기 위한 정보가 포함됩니다. "분산 분석" 테이블에는 전체 모형 유의성 및 변동 소스에 대한 정보가 포함됩니다. "적합 결여" 테이블에는 모형 적합성 및 오차 평가에 대한 정보가 포함됩니다. "모수 추정값" 테이블에는 계수, 표준 오차 및 예측 변수 유의성이 포함됩니다. "효과 검정" 테이블에는 개별 예측 변수의 유의성에 대한 정보가 포함됩니다. "잔차 대 예측값 그림"은 예측값 범위에서 잔차의 패턴 또는 추세를 검토하여 회귀 모형의 가정과 성능을 평가하는 데 사용됩니다.
그림 4.10 분산 분석, 모수 및 잔차를 사용한 모형 요약
이 테이블은 R² 통계량이 0.444인 회귀 모형을 나타냅니다. gender 및 drug에 대한 효과 검정은 두 요인 모두 통계적으로 유의하다는 것을 나타냅니다(p 값 < 0.05).
예측 프로파일러
예측 프로파일러를 사용하여 반응의 예측값이 예측 변수 설정에 따라 어떻게 변하는지 살펴봅니다.
그림 4.11 예측 프로파일러
A형 drug를 복용한 여성의 경우 pain 예측 반응은 6.23이고 95% 신뢰 구간은 4.88 ~ 7.57입니다. 예측 프로파일러에서 gender 및 drug 수준의 다양한 조합에 대한 반응을 대화식으로 탐색할 수 있습니다. 다양한 요인 수준 조합에 따라 pain 반응이 어떻게 변하는지 시각화하려면 원하는 gender 또는 drug 수준을 클릭한 후 다른 요인의 수준을 클릭합니다.
팁: 예측 구간을 적합시키려면 "예측 프로파일러"의 빨간색 삼각형 메뉴에서 "예측 구간" 옵션을 사용합니다. 예측 구간이 신뢰 구간보다 넓습니다. 예측 구간은 모형 생성에 사용되지 않은 새 관측값을 대상으로 합니다.