여러분이 사이클 타임, 수익성, 생산부품의 특정치수 혹은 어떤 측정지표가 다른 변수와 관련이 있는지
알고 싶어한다고 하자. 이런 경우에 회귀분석과 ANOVA 중 어떤 도구를 사용해야 적합한지 알아보자.

먼저 반응변수 Y가 연속형 데이터를 사용하고 있을 때 올바른 도구를 어떻게 선정하는지 부터 시작해보자.
먼저, Y는 연속형 데이터, X도 연속형 데이터인 경우, 예를 들면 Y(성인남자의 키), X(나이, 키,

매주 운동하는 시간) 이런 경우에 적합한 도구는 회귀분석(Regression) 이다.

다음으로 Y는 연속형 데이터, X는 연속형 데이터와 범주형 데이터가 섞여 있는 경우,

예를 들면, Y(사람의 수면시간), X로서 나이, 취침전 활동-(없음, 독서, TV 시청, 인터넷 서핑),

"악몽을 꿨어요, 목이 말라요, 침대 밑에 괴물이 있어요"라고 보채는 어린아이 유무 등으로 구성된 경우에

적합한 도구는 ANOVA 혹은 회귀분석 둘다 가능하다.

이런 경우 특히 2수준 이상의 범주형 데이터가 유의한 인자로 사용고 있다다면

GLM(General Linear Model)을 사용하는 것을 추천한다.

예를 들어, 취침전 활동이 유의한 인자인 경우에, 4수준(없음, 독서, TV 시청, 인터넷 서핑)간에
서로간에 유의차가 있는지 비교분석을 할 수 있다.

GLM(General Linear Model)은 취침전에 TV를 시청하는 사람은 평균적으로 인터넷 서핑을 하는 사람과

거의 같은지, 아무것도 하지않는 사람이나 독서를 하는 사람과 비교해서 유의차가 있을 만큼 적게 자는지? 혹은 인터넷 서핑의 경우가 다른 세 범주보다 유의차가 있게 적게 자는지? 이러한 차이를 비교하는데

도움이 될 수 있다.

마지막으로 Y가 범주형 데이터인 경우에는 X가 연속형 데이터 이거나 범주형 이든지 간에 로지스틱

회귀분석을 사용할 수 있는데, 로지스틱 회기분석에는 다음과 같은 세가지 유형이 있다.

■ 2진 데이터(Binary) Y : 2 수준 (Yes/No, Pass/Fail)
■ 서수형 데이터(Ordinal) Y : 자연 현상적인 순서가 있는 2수준 이상 (상/중/하)
■ 명목형 데이터(Nominal) Y : 자연 현상적인 순서가 없는 2수준 이상 (승용차/SUV/미니밴/트럭)