예: 표준 최소 제곱 사용
이 예에서는 모형 적합 플랫폼의 표준 최소 제곱 분석법을 사용하여 공분산 분석 모형을 적합시키는 방법을 보여 줍니다. 질병 치료에 약물이 미치는 영향에 대한 연구에서 30명의 환자를 무작위로 10명씩 세 그룹으로 나누었습니다. 이 중 두 그룹에는 약물(Drug a, Drug d)이 투여되고 세 번째 그룹에는 플라시보(Drug f)가 처리되었습니다. 각 환자에 대해 전처리 측정(x) 및 후처리 측정(y)이 수행되었습니다. 전처리 스코어 x는 환자 간의 질병 단계 차이를 설명하기 위해 공변량으로 포함됩니다.
세 가지 약물(Drug) 그룹에 차이가 있는지 확인하려고 합니다. y 반응, Drug, x 모형 효과 및 Drug와 x의 교호작용으로 모형을 생성합니다. 교호작용은 질병 단계에 따라 약물 효과에 차이가 있는 상황을 설명할 수 있습니다. 모형 적합 창과 다양한 분석법에 대한 배경 정보는 모형 규격에서 확인하십시오.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Drug.jmp를 엽니다.
2. 분석 > 모형 적합을 선택합니다.
3. Y를 선택하고 Y를 클릭합니다.
이 열을 Y로 추가하면 적합 분석법이 "표준 최소 제곱"으로 설정됩니다. "효과 레버리지"가 선택된 강조 옵션이 추가되며 원하는 경우 변경할 수 있습니다.
4. Drug와 x를 선택합니다. "열 선택" 목록에 이 두 효과가 강조 표시된 상태에서 매크로를 클릭하고 완전 요인을 선택합니다. 매크로는 이 두 효과 및 효과의 이원 교호작용을 "모형 효과 생성" 목록에 추가합니다.
그림 3.2 완료된 모형 적합 시작 창
5. 실행을 클릭합니다.
Figure 3.3에 "최소 제곱 적합" 보고서가 표시되어 있습니다. 포함된 보고서 중 일부는 공간을 고려하여 닫혀 있습니다. "실제값 대 예측값 그림", "잔차 대 예측값 그림" 및 "레버리지 그림"은 모형 적합 및 기본 가정에 대해 불일치를 나타내지 않습니다.
그림 3.3 모형 적합 평가를 위한 그림을 보여 주는 최소 제곱 적합 보고서
모형 적합에 명백한 문제가 없으므로 통계 검정을 해석할 수 있습니다. Figure 3.4에서는 관련 보고서를 보여 줍니다. 전체 모형은 "분산 분석" 보고서에 표시된 대로 유의합니다.
"회귀 그림"에 따르면 Drug와 전처리 측정 x가 상호 작용하지만 "효과 검정" 보고서의 "Prob > F" 값은 이러한 결론을 지지하지 않습니다. 또한 "효과 검정" 보고서에서는 x가 y를 설명하는 데 유의하지만 Drug는 유의하지 않음을 보여 줍니다. 이 연구를 수행하여 세 그룹 간의 차이를 감지하지 못했습니다. 그러나 Drug에 효과가 없다는 결론을 내릴 수는 없습니다. 약물의 효과는 서로 다를 수 있지만 연구 규모가 그 차이를 감지할 만큼 크지 않았습니다.
그림 3.4 유의성 평가를 위한 보고서를 표시하는 최소 제곱 적합 보고서
