친절한 설명 @HadleyMyers ! 실험 단위의 중첩은 미묘한 개념이지만 올바른 모델 사양에 중요합니다.
추가 미묘함: Part 열에 6개 부분에 대한 고유 식별자가 포함되어 있으면(즉, 1 - 3이 아닌 1 - 6) 중첩 사양이 필요하지 않습니다. 그러나 그것은 아무것도 해치지 않을 것입니다!
무엇이든 충분히 반복하면 의미가 없어집니다. 첫 번째 줄에서 "내일"이라는 단어를 반복적으로 사용하면 맥베스가 아내의 죽음을 알게 된 후 시간적 우주 전체("우리의 모든 어제"에서 " 기록된 시간의 마지막 음절”)에 대해 인생의 의미를 찾아보았지만 아무 것도 찾지 못했습니다. 몇 년 후 앤디 워홀은 아무리 친숙하거나 상징적인 이미지라도 끝없는 반복을 통해 무의미하게 만들 수 있음을 보여줌으로써 이 주제를 되풀이했습니다.
많은 사람들이 데이터에서 동일한 현상으로 어려움을 겪고 있습니다. 치료 효과는 단일 측정 세트를 수행하고 일원 ANOVA를 사용하여 결과를 분석하여 그룹 간 효과의 유의성을 평가함으로써 쉽게 테스트할 수 있습니다. 문제는 이러한 측정이 반복되어 분석을 복잡하게 할 때 발생합니다(시험 기간 동안 매일 피험자가 테스트를 받는 약물 시험 또는 다른 기계에서 생산된 제품의 시간 경과에 따른 성능).
JMP 지원 노트에 " JMP 소프트웨어에서 반복 측정 데이터 분석 ," 세 가지 접근 방식이 논의됩니다. 이 게시물의 목적은 일변량 분할구 접근하다.
아래 예(그림 1)는 3개의 부분으로 구성되어 있으며, 각각은 결과를 기록하는 4명의 작업자가 2대의 기계 중 하나를 사용하여 측정합니다. 와이 . 이 경우 시간 변수가 전혀 없습니다. 반복 측정 성분은 총 4회 측정되는 각 부분에서 나옵니다. 여기에서 우리는 운영자 또는 기계 , 또는 둘 다 값에 상당한 영향을 미칩니다. 와이 .
그림 1: 반복 측정 데이터 표; 4명의 작업자가 각각 반복적으로 측정하는 2대의 기계(총 6개 부품)에서 3개의 부품을 만듭니다.
표준 최소제곱을 사용하여 이러한 질문에 답할 수 있습니다. 이를 수행하는 방법은 Machine, Operator 및 Machine과 Operator의 상호 작용을 포함하는 모델을 구성하는 것입니다. 우리는 또한 포함할 수 있습니다 부분 부품의 차이로 인한 변동이 다른 효과에 포함되지 않고 설명되도록 모델에서 확인합니다. 이를 확률 변수로 설정하면 부품으로 인한 변동이 이러한 부품에 특정한 것으로 처리되지 않고 일반적으로 모든 부품으로 처리됩니다(그림 2 참조). 이러한 방식으로 부분은 배치 분할구 설계의 기계 변경하기 어려운 변수의 역할을 수행합니다.
그림 2: Fit Model 대화 상자 창.
그러나 이것은 이야기의 중요한 요소를 놓치고 있습니다. Machine A를 사용하여 측정한 세 부품은 Machine B를 사용하여 측정된 동일한 부품이 아닙니다.그것들은 단순히 각 기계에서 측정된 부품의 순서입니다(A의 처음 세 부품, B의 처음 세 부품). 이를 명확히 하기 위해서는 다음과 같은 조치가 필요하다. 둥지 그림 3과 같이 기계의 부품입니다. 이러한 방식으로 효과를 설정하면 소프트웨어가 "기계가 다를 때 부품도 다르다"는 것을 알 수 있습니다.
그림 3: 기계에 내포된 랜덤 변수 부품이 있는 모델 맞춤 대화 상자 창.
효과 요약(그림 4)의 결과는 측정값이 기계뿐만 아니라 작업자마다 크게 다르다는 것을 나타냅니다. 그러나 둘의 상호 작용 효과가 유의성 기준보다 높기 때문에 어떤 작업자가 어떤 기계를 사용하는지는 중요하지 않은 것 같습니다(확실히 하기 위해 몇 가지 부품을 더 테스트하게 할 수도 있음).
그림 4: 연산자와 기계가 Y에 미치는 영향은 중요하지만(PValue가 0.05 미만) 둘 사이의 상호 작용은 그렇지 않습니다.
반복 측정 데이터를 분석하여 JMP , 위에서 설명한 현상을 피하고 데이터가 무의미하지 않은지 확인합니다.
