품질 및 공정 방법 > 계량형 게이지 차트 > 계량형 게이지 분석 보고서 옵션 > 분산 성분
발행일 : 03/10/2025

분산 성분

계량형 차트 플랫폼의 "분산 성분" 옵션은 측정값 사이의 변동을 모델링합니다. 반응은 다양한 분류 수준과 연결된 임의 효과에 상수 평균을 더한 것으로 가정됩니다.

참고: 시작 창에서 모형 유형을 선택하지 않은 경우(나중에 결정을 선택한 경우) 분산 성분 옵션을 선택하면 모형 유형을 선택하는 대화상자가 나타납니다. 모형 유형에 대한 자세한 내용은 계량형 게이지 차트 플랫폼 시작에서 확인하십시오.

그림 6.5 분산 성분 보고서의 예 

Example of the Variance Components Report

"분산 분석" 보고서는 EMS 방법을 사용하여 분산 성분을 추정하는 경우에만 나타납니다. 이 보고서에서는 모형에 포함된 각 효과의 유의성을 보여 줍니다.

"분산 성분" 보고서에는 분산 성분 추정값 및 각 성분이 총 변동에서 차지하는 백분율이 표시됩니다. 자세한 내용은 분산 성분에 대한 통계 상세 정보에서 확인하십시오. EMS 및 REML 방법의 경우 각 분산 성분의 표준 오차와 신뢰 구간의 하한 및 상한을 나타내는 열이 있습니다. 이러한 열은 보고서를 마우스 오른쪽 버튼으로 클릭하고 "열" 메뉴에서 항목을 선택하는 경우에만 나타납니다. EMS 및 REML 방법으로 추정된 분산 성분의 하한 제약 조건은 0입니다. 따라서 Satterthwaite 근사를 사용하여 신뢰 구간을 계산합니다. 자세한 내용은 Satterthwaite((1946)에서 확인하십시오.

분석 설정

시작 창에서 분석 설정을 클릭하여 분산 성분 계산 방법을 선택합니다.

그림 6.6 분석 설정 창 

Analysis Settings Window

최선의 분석(EMS, REML 또는 베이지안) 선택

다음 논리를 사용하여 EMS, REML 또는 베이지안 중 최선의 분석을 선택합니다.

– 균형 데이터를 사용하는 경우 음의 분산 성분이 없으면 EMS(기대 평균 제곱) 방법을 사용하여 분산 성분을 추정합니다.

– 불균형 데이터를 사용하는 경우 분산 성분이 음수로 추정되지 않으면 REML(제한 최대 가능도) 방법이 사용되고 음수로 추정되면 베이지안 방법이 사용됩니다.

– EMS 방법을 사용하여 분산 성분이 음수로 추정되면 베이지안 방법이 사용됩니다.

– 분산 성분에 교락이 있으면 유계 REML 방법이 사용되며 음의 분산 성분 추정값이 0으로 설정됩니다.

최선의 분석(EMS 또는 REML) 선택

최선의 분석(EMS, REML 또는 베이지안) 선택 옵션과 동일한 논리를 사용하여 EMS 또는 REML 중 최선의 분석을 선택합니다. 그러나 이 옵션은 분산 성분이 음수인 경우에도 베이지안 방법을 사용하지 않습니다. 유계 REML 방법이 사용되며 음의 분산 성분은 0으로 강제 설정됩니다.

REML 분석 사용

균형 데이터인 경우에도 유계 REML 방법을 사용합니다. 유계 REML 방법은 불균형 데이터를 처리할 수 있으며 음의 분산 성분을 0으로 강제 설정합니다.

베이지안 분석 사용

베이지안 방법을 사용합니다. 베이지안 방법은 불균형 데이터를 처리할 수 있으며 모든 분산 성분을 양수의 0이 아닌 값으로 강제 설정합니다. 분산 성분에 교락이 있으면 유계 REML 방법이 사용되며 음의 분산 성분 추정값이 0으로 설정됩니다. JMP에서 구현되는 이 방법은 수정된 버전의 Jeffreys 사전 확률을 사용하여 사후 평균을 계산합니다. 자세한 내용은 Portnoy(1971) 및 Sahai(1974) 연구 자료에서 확인하십시오.

최대 반복 수

(REML 방법에만 적용 가능) 어려운 문제의 경우 반복 횟수를 늘릴 수 있습니다. 이 값을 늘리면 JMP가 최적화 단계에서 해를 찾기 위해 더 많이 시행합니다.

수렴 한계

(REML 방법에만 적용 가능) 더 높은 정밀도가 필요한 문제의 경우 수렴 한계를 더 작게 변경할 수 있습니다. 이 값을 줄이면 JMP가 최적화 단계에서 더 높은 수준의 정확도로 해를 찾습니다. 그러나 이렇게 하면 해를 찾는 데 걸리는 시간이 길어질 수 있습니다. 수렴 값이 클수록 결과가 빨리 반환되지만 정밀도는 더 낮습니다.

통합 가로 좌표 수

(베이지안 방법에만 적용 가능) 정확도를 높이기 위해 통합 가로 좌표 수를 늘릴 수 있습니다. 그러나 이렇게 하면 해를 찾는 데 걸리는 시간이 길어질 수 있습니다. 이 값이 작을수록 결과가 빨리 반환되지만 정밀도는 더 낮습니다.

함수 실행 최대 횟수

(베이지안 방법에만 적용 가능) 정확도를 높이기 위해 함수 실행 최대 횟수를 늘릴 수 있습니다. 그러나 이렇게 하면 해를 찾는 데 걸리는 시간이 길어질 수 있습니다. 이 값이 작을수록 결과가 빨리 반환되지만 정밀도는 더 낮습니다.

더 많은 정보를 원하십니까? 질문이 있습니까? JMP 사용자 커뮤니티에서 답변 받기 (community.jmp.com).