STATISTICAL ANALYSISAll data were s

STATISTICAL ANALYSIS
All data were subjected to an analysis of variance using
SAS (1999). Data from different types of production rooms
and measurement months were pooled and analyzed as
repeated measurements using the mixed model (PROC
MIXED). The different types of rooms were treated as the
main factor, and measured months were treated as the
subfactor. Due to the interaction of the types of rooms with
the measurement months, the data for each type of room were
analyzed separately using the general linear models (PROC
GLM). Correlation and regression analysis among measured
variables were conducted using the PROC CORR and REGprocedures of SAS. Both treatment effects, correlation coef−
ficients, and regression coefficients were considered significant
at P < 0.05. All data used in the statistical analyses used
normal scale, i.e., odor concentration in OU/m3 and odor
emission rate in OU m−2 s−1 or OU s−1. However, when the statistical
analysis results regarding mean odor concentrations
and emission rates of each type of room or of the same room
over the year were presented, geometric means were used
(CEN, 1999).

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ทางสถิติข้อมูลทั้งหมดถูกต้องใช้การวิเคราะห์ความแปรปรวนของเอสเอเอส (1999) ข้อมูลจากชนิดของห้องผลิตและวัดเดือนถูกทางถูกพู และวิเคราะห์เป็นใช้รูปแบบผสม (กระบวนการประเมินซ้ำผสม) ประเภทต่าง ๆ ของห้องได้รับการรักษาเป็นการปัจจัยหลัก และเดือนวัดก็ถือว่าเป็นการsubfactor เนื่องจากการโต้ตอบของชนิดของห้องมีข้อมูลสำหรับแต่ละชนิดของห้องพักเดือนวัดวิเคราะห์โดยแบบจำลองเชิงเส้นทั่วไป (กระบวนการGLM) วิเคราะห์ถดถอยและสหสัมพันธ์ระหว่างวัดตัวแปรได้ดำเนินการโดยใช้กระบวนการคอรร์และ REGprocedures SAS ทั้งสองรักษาผล ความสัมพันธ์ coef−ficients และค่าสัมประสิทธิ์การถดถอยได้ถืออย่างมีนัยสำคัญที่ P < 0.05 ข้อมูลทั้งหมดที่ใช้ในการวิเคราะห์ทางสถิติที่ใช้ขนาดปกติ เช่น กลิ่นความเข้มข้นใน OU/m3 และกลิ่นอัตราการปล่อยก๊าซใน OU m−2 s−1 หรือ OU s−1 อย่างไรก็ตาม เมื่อการทางสถิติผลการวิเคราะห์เกี่ยวกับกลิ่นหมายถึงความเข้มข้นและอัตราการปล่อยก๊าซของแต่ละชนิด ของห้อง หรือห้องเดียวกันปีถูกนำเสนอ วิธีการเรขาคณิตใช้(CEN, 1999)

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ทางสถิติข้อมูลทั้งหมดถูกยัดเยียดให้การวิเคราะห์ความแปรปรวนโดยใช้เอสเอ(1999) ข้อมูลจากชนิดของห้องการผลิตและเดือนที่วัดถูกรวบรวมและวิเคราะห์เป็นวัดซ้ำใช้รูปแบบผสม(PROC ผสม) ชนิดที่แตกต่างของห้องพักได้รับการรักษาเป็นปัจจัยหลักและเดือนที่วัดได้รับการรักษาเป็นsubfactor เนื่องจากการทำงานร่วมกันของประเภทของห้องพักที่มีเดือนวัดข้อมูลสำหรับแต่ละประเภทของห้องพักได้รับการวิเคราะห์แยกโดยใช้แบบจำลองเชิงเส้นทั่วไป(PROC GLM) ความสัมพันธ์และการวิเคราะห์การถดถอยในหมู่วัดตัวแปรได้ดำเนินการโดยใช้ PROC CORR และ REGprocedures ของเอสเอ ผลกระทบทั้งการรักษาความสัมพันธ์ coef- ficients และค่าสัมประสิทธิ์การถดถอยได้รับการพิจารณาอย่างมีนัยสำคัญที่P <0.05 ข้อมูลทั้งหมดที่ใช้ในการวิเคราะห์ทางสถิติที่ใช้ในระดับปกติคือความเข้มข้นของกลิ่นใน OU / m3 และกลิ่นอัตราการปล่อยก๊าซเรือนกระจกในOU ของ m-2 s-1 หรือ OU s-1 แต่เมื่อทางสถิติผลการวิเคราะห์เกี่ยวกับความเข้มข้นของกลิ่นเฉลี่ยและอัตราการปล่อยก๊าซเรือนกระจกของแต่ละประเภทของห้องพักหรือห้องเดียวกันในช่วงปีที่ถูกนำเสนอวิธีเรขาคณิตถูกนำมาใช้(CEN, 1999)

ผลลัพธ์ (ไทย) 3:

สถิติวิเคราะห์ข้อมูลทั้งหมดถูก

การวิเคราะห์ความแปรปรวนใช้ SAS ( 1999 ) ข้อมูลจากประเภทที่แตกต่างกันของบุหรี่ผลิตและวัดเป็นเดือน

ซ้ำรวมและวิเคราะห์การวัดโดยใช้รูปแบบผสม ( proc
ผสม ) ชนิดที่แตกต่างกันของบุหรี่ถูกถือว่าเป็น
ปัจจัยหลัก และเดือน วัดได้ถือว่าเป็น
subfactor .เนื่องจากการชนิดของบุหรี่กับ
วัดเดือน ข้อมูลสำหรับแต่ละประเภทของห้อง เป็นแยกที่ใช้ทั่วไป
วิเคราะห์แบบจำลองเชิงเส้น ( proc
glm ) สหสัมพันธ์และการวิเคราะห์การถดถอยของตัวแปรวัด
การใช้ proc และ RR regprocedures ของ SAS ทั้งการรักษาผล (
ficients coef − ,การถดถอยและพิจารณาอย่างมีนัยสำคัญ
ที่ p < 0.05 ข้อมูลที่ใช้ในการวิเคราะห์ทางสถิติใช้
ปกติขนาด เช่น กลิ่น ความเข้มข้นใน OU / m3 และอัตราการปล่อยกลิ่น
ใน OU m − 2 s − 1 หรือ OU s − 1 อย่างไรก็ตาม เมื่อวิเคราะห์ทางสถิติเกี่ยวกับหมายถึงกลิ่นเข้มข้น

ผลและอัตราการเล็ดรอดของแต่ละชนิดของห้องหรือของ
ห้องเดียวกันมากกว่าปีที่นำเสนอเรขาคณิตหมายถึงใช้
( CEN , 1999 )