고정 효과 ANOVA (또는 선형 회귀 등가)는 이러한 데이터를 분석하는 강력한 방법을 제공합니다. 예를 들어, 다음은 저녁 당 평균 HC의 플롯과 일치하는 데이터 세트입니다 (색당 하나의 플롯).
| Color
Day | B G R | Total
-------+---------------------------------+----------
1 | 117 176 91 | 384
2 | 208 193 156 | 557
3 | 287 218 257 | 762
4 | 256 267 271 | 794
5 | 169 143 163 | 475
6 | 166 163 163 | 492
7 | 237 214 279 | 730
8 | 588 455 457 | 1,500
9 | 443 428 397 | 1,268
10 | 464 408 441 | 1,313
11 | 470 473 464 | 1,407
12 | 171 185 196 | 552
-------+---------------------------------+----------
Total | 3,576 3,323 3,335 | 10,234
에 count
대한 분산 day
및 color
이 테이블을 생성합니다.
Number of obs = 36 R-squared = 0.9656
Root MSE = 31.301 Adj R-squared = 0.9454
Source | Partial SS df MS F Prob > F
-----------+----------------------------------------------------
Model | 605936.611 13 46610.5085 47.57 0.0000
|
day | 602541.222 11 54776.4747 55.91 0.0000
colorcode | 3395.38889 2 1697.69444 1.73 0.2001
|
Residual | 21554.6111 22 979.755051
-----------+----------------------------------------------------
Total | 627491.222 35 17928.3206
model
0.0000 의 p- 값은 적합도가 매우 중요 함을 나타냅니다. day
0.0000 의 p- 값도 매우 중요합니다. 매일 변화를 감지 할 수 있습니다. 그러나 color
0.2001 의 (학기) p- 값은 중요하게 간주되지 않아야합니다 . 매일 변동을 제어 한 후에도 세 학기 간의 체계적인 차이를 감지 할 수 없습니다 .
Tukey의 HSD ( "정직한 유의미한 차이") 테스트는 0.05 수준에서 매일 평균 (학기에 관계없이)의 다음과 같은 중대한 변화를 식별합니다.
1 increases to 2, 3
3 and 4 decrease to 5
5, 6, and 7 increase to 8,9,10,11
8, 9, 10, and 11 decrease to 12.
이것은 그래프에서 눈이 볼 수있는 것을 확인합니다.
그래프가 꽤 많이 움직이기 때문에 시계열 분석의 전체 지점 인 일상 상관 관계 (직렬 상관 관계)를 감지 할 수있는 방법이 없습니다. 다시 말해, 시계열 기술에 신경 쓰지 마십시오. 더 큰 통찰력을 제공하기에 충분한 데이터가 없습니다.
통계 분석 결과를 얼마나 많이 믿을 수 있는지 항상 궁금해야합니다. 이분산성에 대한 다양한 진단 (예 : Breusch-Pagan 테스트 )은 아무 것도 보여주지 않습니다. 잔차는 매우 정상적이지 않으며 (일부 그룹으로 묶임) 모든 p- 값은 한 알의 소금으로 가져와야합니다. 그럼에도 불구하고, 이들은 합리적인 지침을 제공하고 그래프를 통해 얻을 수있는 데이터의 의미를 정량화하는 데 도움이되는 것으로 보입니다.
일일 최소값 또는 일일 최대 값에 대해 병렬 분석을 수행 할 수 있습니다. 가이드와 유사한 플롯으로 시작하고 통계 출력을 확인하십시오.