実験研究で使用される用語集
関連
用語集
- エイリアス：ある効果の推定値に、1つ以上の他の効果（通常は高次の交互作用）の影響も含まれる場合、その効果はエイリアス化されていると言われます（交絡を参照）。例えば、4因子実験における効果Dの推定値が実際には（ D + ABC）と推定される場合、主効果Dは3元交互作用ABCとエイリアス化されます。注：高次の交互作用が存在しないか有意でない場合は、これは問題になりません。
- 分散分析（ANOVA）：観測値のグループの変動を割り当て可能な原因に分離し、さまざまな有意性検定を設定するための数学的プロセス。
- バランス型デザイン：すべてのセル（つまり、処理の組み合わせ）の観測値の数が同じである実験デザイン
- ブロッキング：実験研究において、原材料、作業者、機械などの既知の変更による実験結果への影響がブロッキング変数の水準に集中するように、処理の組み合わせを実施するためのスケジュール。注：ブロッキングの理由は、系統的効果を分離し、主効果が不明瞭になるのを防ぐためです。ブロッキングは、ランダム化を制限することで実現されます。
- 中心点：すべての因子範囲の中心値にある点
- 因子レベルのコーディング：因子の測定スケールを変換して、高い値が +1、低い値が -1 になるようにします（スケーリングを参照）。2 レベルの完全実施要因実験ですべての因子をコーディングすると、計画行列のすべての列が直交します。コーディングは、元の測定スケールの単純な線形変換です。元のスケールで「高い」値がX hで「低い」値がX Lの場合、スケーリング変換により、元のX値が ( X − a )/ bに変換されます。ここで、a = ( X h + X L )/2、b = ( X h − X L )/2 です。元の測定スケールに戻すには、コーディングされた値にbを掛けてaを加算するか、X = b × (コーディングされた値) + aとします。例えば、因子が温度で、高温設定が65℃、低温設定が55℃の場合、a = (65 + 55)/2 = 60、b = (65 − 55)/2 = 5となります。中心点（コード化された値が0）の温度は5(0) + 60 = 60℃です。
- 比較デザイン：因子効果の差、特に処置効果の差を（通常は平均不偏で）推定できるデザイン。処置効果間の差の推定は、絶対的な処置効果の推定よりも高い信頼性で行うことができます
- 交絡：交絡計画とは、一部の処置効果（主効果または交互作用）が、一部の阻止効果と同じ実験観察値の線形結合によって推定される計画です。この場合、処置効果と阻止効果は交絡していると言われます。交絡は、主効果の推定値の値が主効果自体と、高次の交互作用による汚染またはバイアスの両方から生じることを示す一般的な用語としても使用されます。注：交絡計画は、完全実施要因計画をブロックで実行する必要があり、ブロックサイズが異なる処置の組み合わせの数よりも小さい場合に自然に発生します。また、完全実施要因計画の代わりに一部実施要因計画が選択された場合にも発生します
- 対照群：付随的な処理は適用されるが、主な処理は適用されない実験単位のセット。例えば、除草剤を一つの処理として散布する場合、その処理を受ける区画は除草剤を散布する機械によって踏みつけられる可能性がありますが、除草剤を散布しない区画は通常踏みつけられません。機械の通行は付随的な処理です。機械の通行が測定対象の変数（例えば、イチゴの枯死）に影響を与える可能性があると懸念される場合、対照群には機械の通行が適用されますが、除草剤は適用されません。対照群は、付随的な処理が測定された効果の原因となる可能性を排除する方法です。付随的な処理は対照群に制御されます。処理群を比較してください。研究対象の操作がないだけの処理は、単に処理の1つであり、対照群ではありませんが、現在では操作されていない処理を対照群と呼ぶのが一般的です。
- 交差因子：以下の因子を参照してください。
- 設計：特定のモデルを適合させ、目的の効果を推定できる一連の実験実行
- 計画行列：実験の構築と分析に役立つ、実験の行列記述。
- 実験計画法：データ収集段階で原則と技術を適用し、有効で、防御可能で、裏付け可能な工学的結論を確実に生成する、工学的問題解決への体系的かつ厳密なアプローチ。[1]
- 計画点：実験の独立変数の設定の単一の組み合わせ。実験計画法は一連の計画点をもたらし、各計画点は1回以上実行されるように設計され、反復回数は実験に必要な統計的有意性に基づいて決定されます
- 効果（因子）：因子の設定変更が応答をどのように変化させるか。単一因子の効果は主効果とも呼ばれます。処置効果は、処置単位の加法性の仮定により、各実験単位で同じであると仮定できます。より一般的には、処置効果は平均効果である可能性があります。その他の効果はブロック効果である可能性があります。（低 = -1、高 = +1に尺度化された2つの水準を持つ因子Aの場合、Aの効果には平均不偏推定値があり、これはAが-1のときの平均観測応答をA = +1のときの平均観測応答から差し引き、その結果を2で割ることで評価されます。2で割るのは、-1水準が+1水準から2尺度単位離れているためです。）
- 誤差：観測値の集合における説明のつかない変動。統計における誤差と残差を参照してください。注：実験計画では通常、ランダム誤差と不適合誤差の両方を理解する必要があります。
- 実験単位：特定の処理の組み合わせが適用される実体。例えば、実験単位は
- プリント基板
- シリコンウェーハ
- 同時に処理される部品のトレイ
- 個々の農作物
- 土地
- 自動車のトランスミッション
- 生物またはその一部
- など
- 因子：研究者が操作して出力に対応する変化を引き起こすプロセス入力。一部の因子は実験者によって制御できませんが、応答に影響を与える可能性があります。これらの制御されていない因子は、その効果が有意である場合、測定され、データ分析で使用される必要があります。注：入力は離散的または連続的です。
- 交差因子：実験において、一方の因子のすべてのレベルがもう一方の因子のすべてのレベルと発生する場合、2つの因子は交差しています。
- 入れ子因子：因子「A」は、別の因子「B」内に入れ子になっている場合、「A」のレベルまたは値が「B」のすべてのレベルまたは値に対して異なる場合。注：入れ子になった因子または効果は階層的な関係を持っています
- 固定効果：限られた数の水準を持つ、または実験者が関心を持つ限られた数の水準のみを持つ入力変数に関連する効果。
- 交互作用：ある因子の応答への影響が別の因子の水準に依存する場合に発生します。
- 不適合誤差：分析においてプロセスモデルから1つ以上の重要な項または因子が省略された場合に発生する誤差。注：計画実験に反復を含めることで、実験誤差をその構成要素である不適合誤差とランダム（純粋）誤差に分離できます。
- モデル：特定の応答の変化と1つ以上の因子の変化を関連付ける数学的関係。
- 入れ子になった因子：上記の因子を参照してください。
- 直交性：同じ長さの2つのベクトルは、対応する要素の積の合計が0の場合、直交しています。注：いずれかの因子の効果が他の因子の効果とバランスが取れている（合計が0になる）場合、実験計画は直交しています。
- パラダイム：実験の基本計画、仮説、および特定の条件に基づいて作成されたモデル
- ランダム効果：多数または無限の数の可能な値を持つ母集団からランダムに選択された入力変数に関連する効果
- ランダム誤差：プロセスにおける自然な変動によって発生する誤差。注：ランダム誤差は通常、平均ゼロ、分散一定で正規分布すると仮定されます。注：ランダム誤差は実験誤差とも呼ばれます。
- ランダム化：計画された実験において、処理材料を割り当て、処理の組み合わせを実施するためのスケジュール。1回の実行における条件は前回の実行条件に依存せず、後続の実行条件も予測しません。注：ランダム化の重要性は強調しすぎることはありません。ランダム化は、実験から得られる結論が正しく、明確で、防御可能であるために必要です。
- 回帰不連続設計：処理への割り当てが、固定閾値の両側にある観測された共変量の値によって少なくとも部分的に決定される設計。
- 反復：同じ処理の組み合わせを複数回実行すること。注：反復を含めることで、適合性の欠如誤差とは無関係にランダム誤差を推定できます
- 解像度：一部実施要因計画において、「解像度」とは、推定された主効果が推定された高次の交互作用（2水準交互作用、3水準交互作用など）とエイリアス化（または交絡）される度合いを表します。一般的に、計画の解像度は、何らかの主効果とエイリアス化される最小次の交互作用より1つ大きい値です。一部の主効果が一部の2水準交互作用と交絡している場合、解像度は3です。注：完全実施要因計画には交絡がなく、「解像度無限大」であると言われています。ほとんどの実用的目的において、解像度5の計画は優れており、解像度4の計画で十分かもしれません。解像度3の計画は、経済的なスクリーニング計画として有用です。
- 応答：プロセスの出力。従属変数と呼ばれることもあります
- 応答曲面：定量的な応答をモデル化する計画実験。特に、プロセスの改善という短期的な目標と、最適な因子値を見つけるという長期的な目標のために用いられます。従来、応答曲面は2次多項式でモデル化されており、その推定にはすべての因子が3つの水準を持つことが必要です。
- 回転可能性：任意の点xにおける予測応答の分散が、計画の中心点からのxの距離のみに依存する場合、計画は回転可能です。この特性を持つ計画は、xにおける予測分散を変更することなく、中心点を中心に回転できます。注：回転可能性は、応答曲面計画（つまり、2次モデル計画）に望ましい特性です。
- 因子水準のスケーリング：高い値が+1、低い値が-1になるように因子水準を変換します。
- スクリーニング計画：多くの因子のうち、どの因子が応答に有意な影響を与えるかを特定する計画実験。注：通常、スクリーニング計画には5つ以上の因子があります
- 試験計画：試験手順と実施順序を具体的に記載した文書。
- 処置：処置とは、その効果を他の処置と比較する因子水準の特定の組み合わせです。
- 処置の組み合わせ：特定の実験試行における複数の因子の設定の組み合わせ。ランとも呼ばれます。
- 処置群：対照群を参照
- 分散成分：全体の変動を割り当て可能な成分に分割すること。
参照
参考文献
- ^ 「4.3.1. 実験計画法（DOE）とは何か？」。2017年12月28日にオリジナルからアーカイブ。 2017年12月14日閲覧。
外部リンク
- 「DOE用語集」、NIST/SEMATECH統計手法eハンドブック、 2013年3月20日閲覧
この記事には、米国国立標準技術研究所の
パブリックドメイン資料が含まれています
