혼합 모형 분석법 개요
모형 적합 플랫폼의 혼합 모형 분석법을 사용하면 복소 공분산 구조를 가진 모형을 분석할 수 있습니다. 다음과 같은 경우 이 방법으로 분석할 수 있습니다.
• 분할구 실험
• 랜덤 계수 모형
• 반복 측정 설계
• 공간 데이터
• 상관관계가 있는 반응 데이터
분할구 실험은 실험 단위의 수준 또는 크기가 두 개 이상이고 결과적으로 여러 오차 항을 생성하는 실험입니다. 보통 일부 요인은 변경하기 쉽고 다른 요인은 변경하기 어려울 때 이러한 설계가 필요합니다. 자세한 내용은 실험 설계 가이드의 사용자 설계에서 확인하십시오.
랜덤 계수 모형은 계층적 또는 다수준 모형이라고도 합니다(Singer 1998, Sullivan et al. 1999). 배치 또는 개체의 절편 및 기울기가 무작위로 달라진다고 추정될 때 이러한 모형이 사용됩니다. 제약 산업의 약물 안정성 시험과 교육 리서치의 개별 성장 연구에서 랜덤 계수 모형이 필요한 경우가 많습니다.
반복 측정 설계, 공간 데이터 및 상관된 반응 데이터는 관측값이 독립적이지 않다는 특성을 공유하므로 상관 구조를 모델링해야 합니다.
• 반복 측정 설계(개체 내 설계라고도 함)는 오차의 상관관계를 허용하면서 시간 또는 공간에 따른 반응의 변화를 모델링합니다.
• 공간 데이터는 일반적으로 위도와 경도 같은 둘 이상의 차원에서 측정되는 값입니다. 공간 측정값은 주로 공간 근접성의 함수로 상관관계를 보입니다.
• 상관된 반응 데이터는 동일한 실험 단위에 대해 여러 가지 측정을 수행한 결과입니다. 예를 들어 의학 연구에서 개인의 키, 체중 및 혈압 측정값 또는 제조품에 대해 측정한 경도, 강도 및 탄성은 상관관계가 있을 가능성이 큽니다. 이러한 측정값을 개별적으로 연구할 수 있지만 상관된 반응으로 처리하면 유용한 정보를 끌어낼 수 있습니다.
관측값 간의 상관관계를 설명하지 못하면 처리 효과에 대한 잘못된 결론을 내릴 수 있습니다. 그러나 공분산 구조 모수를 추정할 때 데이터의 정보가 사용됩니다. 추정되는 모수의 수는 검정력과 제1종 오류 비율에 영향을 줍니다. 따라서 공분산 모형을 신중하게 선택해야 합니다. 자세한 내용은 반복 측정의 예에서 확인하십시오.