이 예제의 요약 옵션은 이 M 행렬의 행에 의해 정의된 변수에 대해 일변량 ANOVA를 제공합니다. 이 경우, 그들은 투여량에 대한 선형, 이차, 입방 및 사분위 동향을 나타내며 각각 dose_1, dose_2, dose_3 및 dose_4로 표기된다. 주제 내 효과와 주제간 상호 작용 효과의 경우, 일변량 및 다변량 접근법은 서로 다른 테스트를 산출합니다. 이러한 테스트는 주제 내 효과 및 이러한 효과와 MODEL 문의 다른 효과 간의 상호 작용뿐만 아니라 지정된 CONTRAST에 대해 제공됩니다. 일변량 테스트는 “주제 효과 내가 될 때 가설의 일변량 테스트”라는 표에 표시됩니다. 다변량 테스트에 대한 결과는 “분산의 반복 측량 분석”이라고 표시된 표에 표시됩니다. 분산 테스트의 다른 분석과 마찬가지로 rANOVA는 F 통계를 사용하여 유의성을 결정합니다. 인과자 내 요인 및 가정 위반의 수에 따라 세 가지 테스트 중 가장 적합한 테스트를 선택해야 합니다.[5] 표준 편차는 항상 양수이며 항상 원래 데이터와 동일한 단위로 측정됩니다. 예를 들어 데이터가 킬로그램 단위로 거리 측정인 경우 표준 편차도 킬로그램단위로 측정됩니다. 임의 표본의 모든 구성원이 여러 조건하에서 테스트될 때 사용됩니다. 여기서, 우리는 각 견본이 다른 조건에 드러내기 때문에 각 견본에 대한 다른 측정이 있습니다. 통계에서 표준 편차는 분산의 매우 일반적인 척도입니다.

표준 편차는 데이터 집합의 값이 평균을 중심으로 분산되는 정도를 측정합니다. 더 정확하게 말하면 집합의 데이터 값과 평균 사이의 평균 거리를 측정합니다. 데이터 값이 모두 비슷하면 표준 편차가 낮아집니다(0에 가까울수록). 데이터 값이 매우 가변적이면 표준 변형이 높습니다(0에서 더). 반복 측정 설계: 카페인이 인지 기능에 미치는 영향을 테스트하기 위해 반복 측정 설계를 사용한 테스트의 예입니다. 과목의 수학 능력은 카페인이 함유 된 커피 한 잔을 섭취 한 후 한 번 테스트 할 수 있으며 위약을 섭취 할 때 다시 테스트 할 수 있습니다. 그것은 제곱 단위가 있습니다. 예를 들어 센티미터단위로 측정된 높이 세트의 분산은 센티미터 제곱으로 지정됩니다. 인구 분산은 제곱이므로 평균 또는 데이터 자체와 직접 비교할 수 없습니다. 다음 섹션에서는 데이터와 동일한 단위를 가지는 표준 편차인 분산의 다른 측정값을 설명합니다. 설계가 하나 이상의 반복 측정 계수를 지정하면 PROC GLM은 반복 문에 의해 정의된 M 행렬의 직접(Kronecker) 곱으로 주어진 효과에 대한 M 행렬을 계산합니다.

r은 관여하지 않습니다. 반복 측정 계수의 주요 효과에 대한 테스트는 관찰의 평균이 0인 테스트에 해당하는 L 행렬을 사용하여 구성됩니다. 따라서, 반복 측정에 대한 주요 효과 테스트는 M 매트릭스에 의해 정의된 변수의 수단이 모두 0과 동일하다는 것을 테스트하는 반면, 반복 측정 효과와 관련된 상호 작용은 상호 작용에 관여하는 피험자 간 요인이 있는 테스트입니다. M 행렬에 의해 정의된 변환된 변수의 수단에는 영향을 주지 않습니다.