안녕,
나는 참가자들이 소비를 위한 샘플이 얼마나 수용 가능한지 표시해야 하는 관능 테스트의 데이터를 분석하고 있습니다. 이 데이터에서 제공할 수 있는 수용성 점수 범위는 1에서 9까지입니다. 총 8개의 샘플을 평가해야 합니다. 각각 8개의 샘플을 평가한 50명의 소비자가 있습니다. 그래서 총 400개의 점수가 있고 Fit Y by X 플랫폼에서 소비자를 블록 변수로 사용하여 소비자 간의 변동성을 고려하려고 합니다. 나는 또한 모델 적합 도구를 사용하여 소비자를 무작위 효과로 지정하여 이 분석을 수행했습니다. 두 분석의 결과는 동일한 p-값을 제공하지만 여전히 저를 당황스럽게 하는 한 가지가 있습니다. Fit Y by X 플랫폼에서 응답 변수의 플롯이 생성됩니다. 소비자를 블록 변수로 지정했기 때문에 플롯은 Y-변수가 블록(소비자)을 기준으로 중앙에 있음을 나타냅니다. 센터링은 소비자당 블록 평균을 중심으로 평균 중심화를 의미한다고 가정했지만, 모든 점수가 1과 9 사이에 있음을 고려할 때 불가능한 9보다 높은 수용성 점수가 있음을 확인했습니다. 내가 의미하는 바를 보려면 첨부 된 그림을 참조하십시오.
내 질문은 이 블록 센터링이 어떻게 작동합니까? 원시 수용성 점수보다 더 높은 블록 중심 수용성 점수가 있는 이유는 무엇입니까? 도와주셔서 감사합니다!
감사합니다.
그룹이란 귀하의 상황에 맞는 보관 시간을 의미합니다.
귀하의 경우 저장 시간 사이에 차이가 있는지 확인하는 데 관심이 있습니다. 가변성의 추가 소스인 소비자가 있습니다. 블록 없이 Fit Y by X를 사용한다면 소비자 가변성으로 인해 그림이 오해의 소지가 있을 것입니다. 소비자가 추가한 가변성 때문에 저장 시간의 효과를 확인하기 어려울 것입니다. 그래서 뭐 할까? 각 블록을 중앙에 배치하여 플롯에서 소비자의 영향을 제거해 봅시다.
간단한 예를 통해 진행 상황을 확인하는 것이 가장 쉬울 것 같습니다. 이 데이터를 2개의 블록 및 2개의 그룹과 함께 사용하겠습니다(이 이름이 더 마음에 들면 소비자 및 스토리지 시간을 각각 사용할 수 있습니다).
가장 높은 데이터 포인트는 행 4, 블록 1, 그룹 B에 있습니다. 값은 14입니다. 이제 그룹을 X로 사용하고 블록을 차단 역할로 사용하여 Fit Y by X를 사용하면 다음 플롯이 제공됩니다.
가장 높은 값은 약 11로 보입니다. 14에 무슨 일이 있었나요? 빨간색 팝업에서 Means/Anova/Pooled t를 선택합니다. 이제 블록을 보면 보고서가 의미합니다.
블록 1의 평균은 12입니다. 블록 2의 평균은 6입니다. 전체 평균은 9입니다. 따라서 블록 1의 모든 관측값은 평균보다 3단위 높습니다. 블록 2의 모든 것은 평균보다 3 단위 낮습니다. 블록 효과를 제거하기 위해 블록 효과를 제거하기 위해 3을 더하거나 뺄 수 있습니다(어떤 블록에 있는지에 따라 다름). 그것은 블록 센터링입니다.
이제 관찰을 다시 살펴보십시오. 그룹 B의 경우 원래 관측치는 12, 14, 6 및 8이었습니다. 12와 14는 블록 1에 있었으므로 3을 빼면 9와 11이 됩니다. 6과 8은 블록 2에 있었으므로 3을 더합니다. 그것은 9와 11을 제공합니다. 그래프에 표시된 두 지점입니다. 그래프에 지터를 추가하면 9에 2개의 관측치가 있고 11에 2개가 있음을 알 수 있습니다. 물론 그룹 A에 대해서도 비슷한 계산이 수행됩니다.
블록 센터링은 블록화 변수의 효과를 제거하여 그림에서 처리 간의 차이(X 변수의 수준)를 보다 정확하게 볼 수 있도록 할 뿐입니다. 이게 도움이 되길 바란다. 편의를 위해 간단한 예제 파일을 포함하고 있습니다.
모든 데이터의 전체 평균이 6이라고 가정합니다. 평균이 낮은 그룹 중 하나가 3이라고 가정합니다. 하지만 해당 그룹에 꽤 많은 데이터가 있으므로 9라는 값이 있습니다.
센터링은 해당 그룹의 항목을 올려야 함을 나타냅니다(그룹 평균이 낮기 때문에). 9는 어떻게 되나요? 더 커져야 합니다.
