블록을 이용한 설계된 실험을 위한 모델 선택블록을 사용한 실험에서 "가장 좋은" 모델을 선택하는 방법에 대한 질문을 가끔 받습니다. 블록을 무작위 효과로 모델링하는 것이 좋습니다. 즉, 고정 효과만 지원하기 때문에 단계적 또는 일반화 회귀 특성을 모델 선택에 사용할 수 없습니다.
이 영상에서 제가 이야기하는 내용은 다음과 같습니다:
- 실험을 차단하는 이유
- 고정 효과와 무작위 효과
- REML 모델링
- 무작위 효과를 이용한 모델 선택 전략
Re: 블록을 사용한 설계 실험을 위한 모델 선택안녕하세요 @mjz5448 ,
블록 효과를 그대로 두는 것이 좋습니다. 이는 요인 효과에 대한 통계적 유의성 검정에 영향을 미치기 때문입니다. 블록 효과에 적절하게 귀속된 오차가 있으며, 이로 인해 요인 효과에 대해 추정된 오차가 "오염"되는 것을 원치 않을 것입니다. 이해되셨기를 바랍니다. 대부분의 경우 결론에 큰 영향을 미치지는 않을 것입니다.
필
Re: 블록을 사용한 설계 실험을 위한 모델 선택@Phil_Kay 님 , 감사합니다.
그러니까 모델에서 유의하지 않은 블록 효과를 그대로 두는 이유가 유의하지 않은 요인 효과와 대조적으로, 블록에 어느 정도의 오차를 기인시킬 수 있다는 확신(아니면 100% 확신?)이 더 높기 때문이라고 말씀하시는 건가요? 반면에 주효과나 더 높은 차수의 항은 교란 효과 등으로 인해 모호해지기 때문인가요?
Re: 블록을 사용한 설계 실험을 위한 모델 선택@mjz5448 - 어느 정도 그렇습니다. 블록 간 변화로 인한 오차의 원인이 있다는 것을 알고 있습니다. 따라서 통계적으로 유의하지 않더라도 오차의 원인을 파악하기 위해 블록 효과를 포함해야 합니다. 이렇게 하면 요인 효과의 유의성 검정을 위한 오차 추정치를 최적화할 수 있습니다. 블록 효과를 포함하는 또 다른 매우 좋은 이유는 @Mark_Bailey가 그렇게 해야 한다고 말했기 때문입니다. 저는 항상 그 이유가 충분합니다!:)
