やあ、
私は官能検査のデータを分析しています。この検査では、参加者はサンプルが消費にどの程度許容できると考えるかを示さなければなりませんでした。 このデータでは、与えられる許容スコアの範囲は 1 ～ 9 です。 合計 8 つのサンプルを評価する必要があります。 50 人の異なる消費者がいて、それぞれが 8 つのサンプルを評価しました。 したがって、合計 400 のスコアがあり、Fit Y by X プラットフォームのブロック変数として消費者を使用して、消費者間の変動を考慮したいと考えています。 また、消費者を変量効果として指定して、モデルの適合ツールを使用してこの分析を実行しました。 両方の分析結果から同じ p 値が得られますが、まだ疑問に思っていることが 1 つあります。 Fit Y by X プラットフォームでは、応答変数のプロットが生成されます。 Consumer をブロック変数として指定したため、プロットは Y 変数がブロック (Consumer) を中心に配置されていることを示しています。 センタリングとは、消費者ごとのブロック平均を中心に平均をセンタリングすることを意味すると思っていましたが、現在では 9 を超える許容スコアが存在することがわかりました。すべてのスコアが 1 から 9 の間にあることを考えると、これは不可能です。 私の言っている意味を理解するには、添付の図を参照してください。
私の質問は、このブロックのセンタリングはどのように機能するのかということです。 ブロック中心の許容スコアが生の許容スコアよりも高いのはなぜですか? ご協力ありがとうございました！
敬具、
グループとは、あなたの状況に応じた保管時間を意味します。
あなたの場合、保存時間に違いがあるかどうかを知りたいと考えています。 消費者、あなたには変動のさらなる原因があります。 ブロックを使用せずに単に Fit Y by X を使用した場合、消費者のばらつきにより、その図は誤解を招くことになります。 消費者が追加した変動性のため、保管時間の影響を確認するのは困難です。 じゃあ何をすればいいの？ 各ブロックを中心にして、プロットから消費者の影響を削除しましょう。
簡単な例で何が起こっているかを理解するのが最も簡単だと思います。 このデータを 2 つのブロックと 2 つのグループで使用してみましょう (これらの名前が気に入った場合は、それぞれコンシューマー時間とストレージ時間を使用できます)。
最高のデータ ポイントが行 4、ブロック 1、グループ B にあることに注意してください。 値は 14 です。 次に、グループを X として Fit Y by X を使用し、ブロックをブロックの役割にすると、次のプロットが得られます。
最高値は11程度のようです。 14はどうなったの？ 赤いポップアップから、[平均/分散分析/プール t] を選択します。 次に、ブロック平均レポートを見てください。
ブロック 1 の平均は 12 です。 ブロック 2 の平均は 6 です。 全体の平均は9です。 したがって、ブロック 1 のすべての観測値は平均より 3 単位高くなります。 ブロック 2 のすべてが平均より 3 単位低いです。 ブロック効果を削除するには、(どのブロックにいるかに応じて) 3 を加算または減算してブロック効果を削除します。 それがブロックセンタリングです。
ここでもう一度観察結果を見てみましょう。 グループ B の場合、元の観測値は 12、14、6、および 8 でした。 12 と 14 はブロック 1 にあったので、3 を減算して 9 と 11 を得る必要があります。 6 と 8 はブロック 2 にあったので、3 を追加します。 すると9と11が得られます。 グラフに示されているのはこの 2 点です。 グラフにジッターを追加すると、9 に 2 つの観測値が、11 に 2 つの観測値があることがわかります。 そしてもちろん、グループ A についても同様の計算が行われます。
ブロックのセンタリングは、ブロック変数の影響を除去するだけなので、画像内の処理間の違い (X 変数のレベル) をより正確に確認できます。 これがお役に立てば幸いです。 便宜上、簡単な例のファイルを含めています。
すべてのデータの全体平均が 6 であるとします。 たまたま平均が低いグループが 1 つあり、それが 3 であるとします。 ただし、そのグループにはかなりの量のデータがあるため、値は 9 になります。
センタリングは、そのグループ内の項目を引き上げる必要があることを示します (グループの平均が低いため)。 9はどうなるのでしょうか？ もっと大きくならなければなりません。
