반응 변수 선별

대규모 데이터의 여러 반응 변수 검정

반응 변수 선별 플랫폼에서는 다수의 반응 변수에 대한 검정 수행 과정을 자동화합니다. 테스트 결과와 요약 통계량은 보고서에 직접 표시되거나, 추가 데이터 탐색을 위해 데이터 테이블에 표시될 수 있습니다. 오해의 소지가 없더라도 요인 효과에 대해 많은 반응 변수를 검정하는 것은 적절한 방법론 없이는 어려울 수 있습니다. False Discovery Rate 방법은 유의성이 잘못 선언되지 않도록 보호합니다. P 값 그림은 LogWorth를 사용하여 척도화되므로 쉽게 해석할 수 있습니다.

대규모 데이터 집합은 정리되지 않은 경우가 많으므로 반응 변수 선별에서는 불규칙하게 분포된 데이터 및 결측 데이터를 처리하는 방법을 제공합니다. 로버스트 추정값 방법을 사용하면 이상치가 데이터에 남아 있을 수 있지만 이러한 이상치에 대한 검정 민감도가 줄어듭니다. 결측 데이터 옵션을 사용하면 결측값을 분석에 포함할 수 있습니다. 이러한 기능을 통해 먼저 광범위한 데이터 품질 분석을 수행하지 않고도 데이터를 분석할 수 있습니다.

관측값이 많으면 실제적 관심 영역이 아닌 차이도 통계적으로 유의할 수 있습니다. 반응 변수 선별에서는 감지하려는 차이를 지정할 수 있는 실제적 차이 검정을 제공합니다. 다른 한편으로는 차이가 주어진 크기를 초과하지 않는지, 즉 평균이 동일한지 여부를 알고 싶을 수도 있습니다. 이를 위해 반응 변수 선별에서 동등성 검정을 제공합니다.

그림 24.1 반응 변수 선별 그림의 예 

목차

반응 변수 선별 플랫폼 개요

반응 변수 선별의 예

반응 변수 선별 플랫폼 시작

반응 변수 선별 보고서

반응 변수 선별 그림

반응 변수 선별 보고서 테이블

반응 변수 선별 플랫폼 옵션

평균 데이터 테이블

평균 차이 데이터 테이블

P 값 데이터 테이블

모형 적합의 반응 변수 선별 분석법

모형 적합의 반응 변수 선별 시작

반응 변수 선별 적합 보고서

반응 변수 선별 적합 옵션

반응 변수 선별의 추가 예

실제적 유의성 및 동등성 검정의 예

최대 LogWorth 옵션의 예

로버스트 적합의 예

반응 변수 선별 분석법의 예

화산(Volcano) 그림의 예

반응 변수 선별 플랫폼에 대한 통계 상세 정보