한 대를 백 번 측정하면 표본도 백 대가 될까?
의사반복은 독립적이지 않은 관측을 독립 표본처럼 세는 문제입니다. 측정 횟수와 연구 결론을 지지하는 실험 단위의 수를 구분합니다.
그림에서 무엇을 볼까요?
설계 A 센서 1대 곱하기 100회, B 10대 곱하기 10회, C 100대 곱하기 1회로 모두 관측 100개지만 기기 수는 다른 표.
LTCT가 만든 세 설계입니다. A는 센서 1대에서 100번, B는 센서 10대에서 각 10번, C는 센서 100대에서 각 1번 측정합니다. 세 설계 모두 표의 행은 100개입니다. 그러나 새로 제작되는 여러 센서의 성능 차이를 알고 싶다면 서로 다른 기기 수가 1·10·100이라는 차이를 중요하게 봐야 합니다. 기기 내부 반복과 기기 사이 반복을 같은 것으로 세지 않습니다.
그림은 100개의 점을 늘어놓는 대신 센서 수와 센서당 측정 수를 분리한 표로 만들었습니다. A는 기기 하나의 시간적 안정성을 자세히 볼 수 있고, C는 기기 간 차이를 넓게 볼 수 있습니다. B는 두 종류의 변동을 함께 살필 여지가 있습니다. 어느 설계가 항상 우월한지는 비용과 연구 질문, 측정 오차 및 기기 간 차이의 크기에 따라 달라집니다.
함께 확인할 점
기기의 서로 다른 측정도 시간에 따라 의존할 수 있습니다. 개체 수만 바로잡았다고 모든 독립성 문제가 해결되는 것은 아닙니다.
반복 측정 자료를 전부 평균으로 줄이는 것이 언제나 최선은 아닙니다. 연구 질문과 모형에 따라 시간 변화나 계층 정보를 유지하는 분석이 필요할 수 있습니다.
생각해 볼 질문
반복 측정은 독립 표본이 아니므로 전혀 도움이 없을까요?
