随机因素分析

随机因素分析的定义

随机因素分析是一种统计分析技术，用于确定数据集合中随机数据的来源。 随机因素分析用于解释外围数据是由潜在趋势引起还是仅由随机发生的事件引起，并试图解释显然是随机的数据。 它使用多个变量来更准确地解释数据。

分解随机因素分析

随机因素分析通常用于帮助公司更好地将计划重点放在潜在或实际问题上。 如果随机数据是由潜在趋势或随机重复事件引起的，则需要相应地解决和纠正该趋势。 例如，考虑一个随机事件，例如火山喷发。 呼吸面罩的销售量可能会激增，如果有人只是看一下多年期间的销售数据，这看起来可能是一个异常值，但是分析会将这些数据归因于此随机事件。

在流行的统计技术“方差分析”和其他几种方法中，有两种类型的因素：固定影响和随机影响。 哪种类型合适取决于问题的背景，感兴趣的问题以及如何收集数据。

在具有固定影响因子的情况下，已从感兴趣的各个因子水平收集了数据。

例如，实验的目的是比较三种特定剂量药物对反应的影响。 “剂量”是因素； 实验中的三个具体剂量是水平； 无意说其他剂量。

于是，随机影响因子包括具有许多可能水平的因子。 兴趣是所有可能的水平，但数据中仅包含水平的随机样本。

例如，一家大型的小工具制造商对研究机器操作员对最终产品质量的影响感兴趣。 研究人员从制造小部件的各种设施中的大量操作员中随机选择一个操作员样本。 因素是“操作员”。 该分析将不会估计样本中每个运算符的影响，而是会估计可归因于因子“运算符”的可变性。