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 삼각형을 클릭하고 요인 프로파일링 > 프로파일러를 선택합니다.
7. "예측 프로파일러"의 빨간색 삼각형을 클릭하고 예측 구간을 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 pain 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
drug A를 복용한 여성의 예측 pain 반응은 6.23입니다. 이 반응 예측값의 95% 신뢰 구간은 4.88 ~ 7.57이며 95% 예측 구간은 0.85 ~ 11.61입니다. 예측 구간은 모형 생성에 사용되지 않은 새로운 관측값을 대상으로 합니다. 새로운 관측값을 예측할 때는 변동성이 더 크기 때문에 예측 구간이 신뢰 구간보다 넓습니다. 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.