In using experimental designs the situation sometimes arises when one or more observations is "missing" when this happens the design loses its symmetry balance, so that the usual analysis of variance calculations on the remaining data are no longer as straightforward. One common method for handling this situation is to find appropriate estimates of the missing observations so that an analysis of variance carried out on the now "complete" data is equivalent to the analysis of the data actually available.
When there are missing observations, the least squares estimation and S.S. for testing a linear hypothesis are reviewed, and the method of maximum likelihood is considered about the model with uncorrelated errors, and with correlated errors. And when two-way classification model with missing cells is connected, the correct sums of squares for nine hypotheses usually tested are constructed.
하나 또는 하나 이상의 결측치를 가지는 실험모델에서 결측치들을 추정하여 완전한 실험데이타를 만든 후에 분산분석하는 과정으로 그 결측치들을 추정하기 위해서 지금까지 널리 사용된 최소제곱법에 대해 연구 검토하고 또 다른 방법으로써 MLE 방법을 적용시켜 보면 이 두 방법의 결과가 같음을 알 수 있다. 그리고 결측치들을 가지는 이원 분류 모형이 연결되었을 경우의 분산분석과정으로 귀무가설들을 검정하기 위한 기존의 같은 제곱합들을 SAS 를 이용하여 구해보고 해석하기 쉬운 귀무가설들과 그 가설들을 검정하는 데 이용되는 수정된 제곱합들을 구한다.
