12.3 실험계획법에서 배우는 용어

분산 분석은 실험계획법과 매우 밀접한 연관이 있다. 따라서, 실험계획법에 나오는 많은 용어와 개념들에 익숙할 필요가 있다.

다음은 실험계획법에서 배우는 용어를 간략히 설명한 것이다.

• 요인(Factor, 인자): 결과변수에 영향을 주는 것, 변수/변수명
• 수준(Level): 인자가 가질 수 있는 값
• 모수인자(Fixed Factor)/고정 효과: 요인의 몇 개의 고유한 값을 가지거나, 실험자가 원하는 대로 정해줄 수 있는 요인
• 변량인자(Random Factor)/무작위 효과: 상당히 많은 여러 가지 중에서 골라진 경우. 모수인자로 처리하기에는 수준이 너무 많은 경우. 예를 들어, 투약일
• 교호작용(Interaction): 두 요인의 가법모형으로 설명할 수 없는 부분
• 교락(Confounding): 인자효과가 블록효과와 겹쳐서 구분되지 않는 경우
• 분할(Splitting): 두 가지 이상의 인자가 있을 때, 일차단위 내에서 다시 이차단위의 무작위화가 이루어질 때
• 지분(Nesting): 일차단위의 A1 수준 내의 B1과 A2 수준 내의 B1이 같은 것이 아닐 때, 즉 ID를 별도로 주는 것이 옳을 때. 주로 변량인자들을 실험할 때 사용
• 요인설계(Factorial Design): 수준들의 모든 조합들을 실험하는 경우. 주로 모수인자이며, 변량인자가 아님.
• 완전확률화법 (Completely Randomized Design): 실험단위에 가해지는 모든 수준이 완전히 무작위로 정해지는 경우. 즉, 모든 수준의 조합이 무작위 순서로 시행되는 경우
• 난괴법(Randomized Block Design): 어떤 블록 내에서 무작위배정이 이루어지는 경우. 이때 블록은 변량인자가 흔함. Block randomization과는 다른 뜻임.
• 라틴방격법(Latin Square Design): 각 인자별 수준 수가 k개인 3개 이상의 인자를 k² 횟수의 실험으로 평가하고자 할 때. 주로 모수인자이며, 변량인자가 아님.

분산분석은 요인(factor)의 개수에 따라 일원배치 분산분석, 이원배치 분산분석, 다원배치 분산분석으로 구분하기도 한다.

고정 효과(모수인자)와 무작위 효과(변량인자)의 교호작용(interaction)은 무작위 효과(변량인자)가 된다.