実験計画において、繰り返し測定と反復測定が混同されているのをよく見かけます。これらは全く異なるものであり、そこから得られる分析結果も全く異なります。
はい、繰り返し測定と複製測定はどちらも、同じパラメータの組み合わせで行われた多重応答測定です。ただし、繰り返し測定は同じ一連の実験または連続した一連の実験中に行われるのに対し、複製測定は同一だが異なる一連の実験中に行われ、多くの場合ランダム化されます。
複製する
実験計画法において、反復とは、同一の因子設定の下で、実験変動のすべての原因を含めて実行される、同じ実験処理の独立した実行です。
これは次のことを意味します:
-
システムは完全に再初期化されました
-
新しい材料、バッチ、オペレーター、または時点
-
実行間の独立性
推定値を複製するもの
例
同じ因子レベルで異なる日に実行された 2 つの実験実行は、反復とみなされます。
どの分析ですか?
この状況では、純粋誤差を推定する必要があります。
純粋誤差とは、同一の因子設定における真の反復実験間で観察される変動です。純粋誤差は、不適合度分解を用いて反復実験の計画点から推定されます。
RMSE は、純粋な誤差とモデルの適合性の欠如の両方を含む、残差変動の合計を表すことに注意してください。
反復実験がある場合は、Fit Model Platformの通常の設定から、標準最小二乗レポートの適合性の欠如セクションにアクセスできます。
繰り返し
繰り返し（または繰り返し測定）とは、プロセスを再初期化せずに、同じ実験実行内で行われる複数の測定を指します。
これには通常、次の内容が含まれます。
-
同じサンプル
-
同じ実験条件
-
同じユニットからの複数の測定
繰り返しで推定されるもの
例
同じ機器を使用して同じサンプルを 3 回測定することは、反復ではなく、繰り返しに相当します。
どの分析ですか?
デザインに繰り返しが含まれる場合:
-
観測値は実行またはサンプル内で相関している
-
独立性の仮定は破られている
分散成分を推定するには、 REML (制限付き最大尤度) が推奨されます。
REML パーソナリティは、Fit Model プラットフォーム モデルが起動され、因子がランダムとして定義されたときに選択されます。
ランダム効果の定義は属性オプションによって行われる
また、レポートにはREMLに関連する追加セクションが含まれます。このセクションでは、ランダム効果によって説明される変動の割合が説明されます。
結論
要約すると、反復は純粋な実験誤差の推定値を提供しますが、繰り返しは測定の変動性のみを反映するため、ランダム効果モデルを使用して考慮する必要があります。
