함수 > 실험 계획법 > 인수 선별 > 예제: 분산분석 및 블록화
  
예제: 분산분석 및 블록화
blockanova 함수를 사용하여 설계 행렬을 두 개의 블록으로 나누고 블록화가 결과에 영향을 주는지 검사합니다.
1. fullfact 함수를 호출하여 전체 계승 설계 행렬을 만듭니다.
이 식을 복사하려면 클릭
2. block 함수를 호출하여 설계 행렬 X를 블록 두 개로 분할합니다.
이 식을 복사하려면 클릭
처음 여덟 번의 실행(Run)은 Block 1에 포함되고 나머지 실행은 Block 2에 포함됩니다.
3. 실험을 수행하기 전에 randomize 함수를 호출합니다. 각 블록에 대해 개별적으로 무작위화를 수행합니다.
이 식을 복사하려면 클릭
4. 실험 결과를 행렬 Y에 기록합니다. 이때 블록화된 설계 행렬 B의 실행별로 행을 하나씩 할당하고 반복측정치별로 열을 하나씩 할당합니다.
이 식을 복사하려면 클릭
5. quickscreen 함수를 호출하여 인수, 2차 상호 작용 및 블록화의 효과를 계산합니다.
이 식을 복사하려면 클릭
6. augmentsubmatrix 함수를 사용하여 Q에서 인수와 해당 효과를 추출하고 머리글을 제거합니다.
이 식을 복사하려면 클릭
이 식을 복사하려면 클릭
7. 효과를 절반 효과의 절대값으로 바꿉니다.
이 식을 복사하려면 클릭
이 식을 복사하려면 클릭
8. pareto 함수를 호출한 다음 파레토 도표를 만듭니다.
이 식을 복사하려면 클릭
이 식을 복사하려면 클릭
인수 A, B, D, 상호 작용 ADBD, Blocks가 유의한 것으로 보입니다.
9. anova 함수를 호출하여 분산분석을 수행합니다. 인수, 상호 작용 및 블록화에 대한 임계 F-value를 계산합니다. 해당 F-value를 임계 F-value와 비교합니다.
이 식을 복사하려면 클릭
10. qF 함수를 사용하여 인수, 상호 작용 및 블록화의 임계 F-value를 계산합니다. 해당 F-value를 임계 F-value와 비교합니다.
5%에서 레벨을 설정합니다.
이 식을 복사하려면 클릭
가장 낮은 자유도 DF를 설정합니다.
이 식을 복사하려면 클릭
가장 높은 자유도 DF를 설정합니다.
이 식을 복사하려면 클릭
이 식을 복사하려면 클릭
인수 A, B, D, 상호 작용 ADBD, Blocks5% 레벨에서 해당 F 값이 Fcrit보다 크기 때문에 유의합니다. 파레토 도표에서 주관적으로 내렸던 결론이 옳은 것이었음을 이 분산분석을 통해서도 재차 확인할 수 있습니다.
참조
D. C. Montgomery, Design and Analysis of Experiments, 제5판, John Wiley & Sons, New York, 2001년, 페이지 295.