Using the overall anova

Using the overall anova

실제 연구들에서는 흔히 하나의 종속변수를 설명함에 있어서 두 가지 이상의 요인을 상정한다. 이러한 Two-way design은 one-way design 두 개가 합쳐진 것이다. 앞장에서 이야기 했던 것들은 main effect를 보기 위함이었다, 두 가지 변수의 통합적인 행동에 대해서 설명하기 위해서 잔차(residuals)를 사용한다.

 

- Main effects  (앞쪽에 나온 얘기인 것 같은데 앞쪽에 어느 부분인지 알 수 없어서 statsig에 관한 이야기는 제외했습니다.)

Main effects란 기본적으로 한 독립변수의 변화가 종속변수에 미치는 영향에 관한 것

Main effect를 완전 FACTORIAL 데이터 패턴을 시각적 검사 없이 액면 그대로를 쓸 수 없기 때문에 받아들일 수 없다. 잔차에 있어서 Fab의 실험에 의해 도움이 될 수 있다.

 

p.134 5.4. 그림 기반 입니다.

- Residuals(잔차)

 측정값과 최확값과의 차. 잔차＝측정값-최확값. 잔차의 대수합은 측정값의 수에 관계없이 항상 0에 접근한다.

 

- Interpreting Residuals

이 부분은 앞에 설명한 것에 대해서 그림 5.4를 가지고 설명한 부분입니다.

5.4는 2x2 design에 factorial graph 로서 각 변수의 효과를 평행으로부터 편차를 본 그림 입니다.

그림을 보면 알겠지만 A1은 고정된 상태에서 A2만 변화 했습니다. 첫 번째 가장 왼쪽 그림은 A1 과 A2 교차함으로 주 효과와 상호작용이 나타나며, 주 효과는 A1과 A2의 차이가 크기 때문에 주효과가 거의 없다고 할 수 있습니다. 마지막 가장 오른쪽 그림은 B2 구간에서의 차이가 미미하기 때문에 효과가 통계적으로 유의하지 않습니다.

 

 

- Interactions

일반적으로 앞에서의 잔차를 상호작용이라고 합니다.

주 효과가 중요한 이유로 3가지가 있다.

5.4의 가운데 그림 상호작용작용은 있으나 주효과가 없는 경우도 있을 수 있기 때문에 주효과가 중요하다.

1. 상호작용인 단지 응답 척도의 환상(허상)일 수 있다.(질문이 유도될 수 있다.)

2. 상호작용 잔차는 행과 열의 중간 과정중에 분산분석이 상호작용이 나는 과정에서 위조될 수 있다.

3. 그림 5.4에 가운데 그림을 보면 상호작용의 잔차는 크지만 주 효과는 필요가 없다.

 

 

http://cafe.naver.com/wonhyejun1006.cafe?iframe_url=/ArticleRead.nhn%3Farticleid=739&

 

http://blog.naver.com/gangzealot?Redirect=Log&logNo=100153166825

https://smartstore.naver.com/smallme/products/6133820192

스몰미 메모시트 [A3 크기] - 내맘대로 골라담는 10장 세트 스몰미메모시트. / 스몰미메모시트, 냉