일반 MANOVA(General MANOVA)
일반 MANOVA는 둘 이상의 연속형 반응을 하나 이상의 범주형 요인에 대해 함께 검정하며, 선택적으로 공변량과 2차 교호작용을 포함할 수 있습니다. 하나의 결합 검정으로 전체 오경보율을 선택한 수준으로 유지하고 반응 간 상관을 반영합니다. 관측값은 독립이고 오차는 공분산 행렬이 같은 다변량 정규분포를 따른다고 가정합니다. 출력에는 Wilks, Pillai, Hotelling-Lawley, Roy 통계량, 일변량 ANOVA, 선택적 고유값 분석이 포함됩니다.
최종 검토
핵심 요점
일반 MANOVA(다변량 분산분석)는 하나 이상의 요인이 인장 강도와 연신율처럼 서로 관련된 여러 반응을 함께 변화시키는지 검정합니다.
목적
일반 MANOVA(다변량 분산분석)는 하나 이상의 요인이 서로 관련된 여러 반응, 예를 들어 같은 시편의 인장 강도와 연신율을 함께 변화시키는지 검정합니다. 각 단위에서 둘 이상의 특성을 측정할 때 사용합니다. 하나의 결합 검정으로 전체 오경보율을 선택한 수준으로 유지하고, 반응 간 상관을 반영하며, 개별 ANOVA가 놓치는 특성 조합의 변화를 탐지할 수 있습니다.
주요 기능
- 둘 이상의 연속형 반응을 하나 이상의 범주형 요인에 대해 함께 검정합니다.
- 선택적 연속형 공변량과 모든 2차 요인 교호작용을 지원합니다.
- 모든 항에 대해 Wilks 람다, Pillai 대각합, Hotelling-Lawley 대각합, Roy의 최대 근을 제공합니다.
- 각 반응에 대한 일변량 ANOVA(제III종 제곱합)를 제공합니다.
- 요청 시 가설 및 오차 SSCP 행렬과 편상관, 고유값 분석을 제공합니다.
- Data Options: 분석 전에 행의 부분집합을 지정합니다.
통계적 방법
모형은 일반 선형 모형과 같으며 모든 반응에 한꺼번에 적합합니다. 요인은 합이 0이 되는(−1, 0, +1) 코딩을 사용하고, 공변량은 주효과로 포함하며, 선택하면 2차 요인 교호작용을 포함합니다(요인이 둘 이상일 때만 해당). 선택한 열 중 하나라도 결측값이 있는 행은 제외됩니다. 각 항에 대해 도구는 가설 행렬 H(그 항이 설명하는 제곱합과 교차곱합)와 오차 행렬 E를 구성하고, E⁻¹H의 고유값 λ로 그 항을 검정합니다.
Wilks 람다 = det(E) / det(H + E) = Π 1/(1 + λ)이며 그 항이 중요할수록 작아집니다. Pillai 대각합 = Σ λ/(1 + λ); Hotelling-Lawley 대각합 = Σ λ; Roy의 최대 근 = 가장 큰 λ. 각각 표시된 분자 및 분모 자유도를 갖는 근사 F 통계량으로 변환됩니다. Pillai 대각합은 집단 크기와 공분산 행렬이 다를 때 가장 관대하며, Roy의 근은 집단이 하나의 방향으로만 다를 때 가장 민감하지만 그 F는 상한이므로 p-값이 낙관적입니다.
고유값 분석은 E⁻¹H의 고유값과 그 비율, 그리고 v'(E / DF error)v = 1이 되도록 척도화한 고유벡터를 나열합니다. 첫 번째 고유벡터는 요인 수준을 가장 잘 분리하는 반응의 가중 조합을 나타냅니다. 일변량 표는 각 반응을 개별적으로 분석한 제III종 ANOVA입니다. MANOVA는 관측값이 독립이고 오차가 모든 집단에서 같은 공분산 행렬을 갖는 다변량 정규분포를 따른다고 가정합니다.
입력 항목 및 옵션
항목 | 설명 |
Responses (Y) | 함께 검정하는 둘 이상의 연속형 열입니다. 필수입니다. |
Factors (categorical) | 하나 이상의 범주형 예측변수 열입니다. 필수입니다. |
Covariates (continuous) | 선택 숫자형 열이며 주효과로만 입력합니다. |
Include all 2-way factor interactions | 기본값은 선택됨이며, 요인을 둘 이상 선택했을 때만 활성화됩니다. |
Show univariate ANOVA per response | 기본값은 선택됨입니다. |
Matrices (hypothesis, error, partial correlations) | 기본값은 꺼짐입니다. SSCP 행렬과 반응의 편상관을 추가합니다. |
Eigen analysis | 기본값은 꺼짐입니다. 각 항에 대한 E⁻¹H의 고유값과 고유벡터를 제공합니다. |
Data Options: Subset (optional) | 행 번호 및/또는 조건으로 일치하는 행을 제외(Exclude matching rows, 기본값)하거나 일치하는 행만 포함(Include only matching rows)합니다. |

그림 1 — 재료 예제의 옵션: 인장 강도와 연신율을 반응으로, Treatment를 요인으로 지정하고 일변량 ANOVA와 고유값 분석을 선택했습니다.
출력 설명
- MANOVA — 각 항에 대한 네 가지 다변량 통계량의 Value, Num DF, Den DF, F Value, P-Value.
- Univariate Analysis of Variance — 반응마다 ANOVA 표 하나.
- SSCP 행렬과 편상관 — Matrices를 선택한 경우.
- Eigen Analysis — 선택한 경우 각 항의 고유값, 비율, 누적 비율, 고유벡터.
- Download를 통한 PDF 내보내기.

그림 2 — 두 특성의 MANOVA: 네 통계량 모두 처리 평균이 같다는 가설을 기각합니다(Wilks 람다 0.11217, F = 19.86, p < 0.001).
계산 예제
한 재료 엔지니어가 대조군과 두 가지 처리 A, B를 비교하며, 각각 시편 8개의 인장 강도(MPa)와 파단 연신율(%)을 시험합니다. 두 개의 개별 ANOVA를 수행하면 오경보 가능성이 높아지므로, 엔지니어는 Treatment를 요인으로 하여 두 특성을 함께 검정하고 일변량 ANOVA와 고유값 분석을 선택합니다.
처리는 두 특성의 쌍을 분명히 변화시킵니다. Wilks 람다는 0.11217(자유도 4와 40에서 F = 19.86), Pillai 대각합은 1.28404(F = 18.83)이며 네 검정 모두 p < 0.001입니다. 일변량 표는 각 특성도 개별적으로 변한다는 것을 보여 줍니다. 강도 F = 25.75, 연신율 F = 18.60이며 둘 다 p < 0.001입니다. 평균 강도는 211.9 MPa(대조군)에서 225.7(A), 238.1(B)로 상승하고, 평균 연신율은 12.6%, 14.6%, 10.9%입니다.
고유값 분석이 이 패턴을 설명합니다. 첫 번째 방향(분리의 75.7%)은 강도에 양의 가중치(0.114)를, 연신율에 음의 가중치(−0.518)를 줍니다. 이는 강도가 가장 높고 연성이 가장 낮은 처리 B를 구별하는 상충 관계입니다. 두 번째 방향(24.3%)은 두 특성 모두에 양의 가중치를 주며, 처리 A가 다른 점이 바로 이것입니다. 강도와 연신율을 함께 높입니다. 부품에 두 특성이 모두 필요하다면 처리 A가 더 안전한 선택입니다.
자주 묻는 질문
개별 ANOVA 대신 MANOVA는 언제 사용해야 합니까?
각 단위에서 둘 이상의 특성을 측정할 때 MANOVA를 사용합니다. 하나의 결합 검정으로 전체 오경보율을 선택한 수준으로 유지하고, 반응 간 상관을 반영하며, 개별 ANOVA가 놓치는 특성 조합의 변화를 탐지할 수 있습니다. 개별 ANOVA를 여러 번 수행하면 오경보 가능성이 높아집니다.
Wilks 람다, Pillai 대각합, Hotelling-Lawley 대각합, Roy의 근은 어떻게 다릅니까?
네 통계량 모두 오차 행렬의 역행렬과 가설 행렬의 곱의 고유값으로 각 항을 검정하며, 각각 근사 F로 변환됩니다. Wilks 람다는 그 항이 중요할수록 작아집니다. Pillai 대각합은 집단 크기와 공분산 행렬이 다를 때 가장 관대합니다. Roy의 근은 한 방향의 차이에 가장 민감하지만 p-값이 낙관적입니다.
MANOVA의 가정은 무엇입니까?
MANOVA는 관측값이 독립이고 오차가 모든 집단에서 같은 공분산 행렬을 갖는 다변량 정규분포를 따른다고 가정합니다. 선택한 열 중 하나라도 결측값이 있는 행은 제외됩니다. 집단 크기나 공분산 행렬이 다르면 Pillai 대각합이 네 가지 다변량 통계량 중 가장 관대합니다.
MANOVA의 고유값 분석은 무엇을 알려 줍니까?
고유값 분석은 고유값과 그 비율, 그리고 고유벡터를 나열합니다. 첫 번째 고유벡터는 요인 수준을 가장 잘 분리하는 반응의 가중 조합을 나타냅니다. 재료 예제에서 첫 번째 방향은 강도에 양의 가중치, 연신율에 음의 가중치를 주어, 처리 B를 구별하는 강도-연성 상충 관계를 보여 주었습니다.
