预测和专业建模 > 响应筛选 > “响应筛选”报表 > FDR LogWorth 依据: 效应大小
发布日期: 11/15/2021

FDR LogWorth 依据: 效应大小

当您有大的效应时,相关的 p 值通常很小。以图形方式可视化这些小的值会很困难。若转换为 LogWorth (-log10(p 值)) 尺度,高度显著的 p 值具有大的 LogWorth,而不显著的 p 值具有小的 LogWorth。LogWorth 为零对应于不显著的 p 值 1。任何 2 以上的 LogWorth 值对应于小于 0.01 的 p 值。

在“FDR LogWorth 依据: 效应大小”图中,垂直轴为“FDR LogWorth”,水平轴为“效应大小”。通常情况下,效应越大导致 p 值越显著,LogWorth 值越大。但是,该关系不一定总是成立,因为显著性也依赖于误差方差。实际上,由于误差方差的大小不同,大的 LogWorth 可能与小效应关联,小的 LogWorth 可能与大效应关联。使用“FDR LogWorth 依据: 效应大小”图可以探索该关系。

图 22.5 显示 Probe.jmp 样本数据表(“LogWorth 最大值”设置为 100)的“FDR LogWorth 依据: 效应大小”图。大多数 FDR LogWorth 值超过 2,这指示大多数效应在 0.01 水平上是显著的。FDR LogWorth 值 100 对应于极小的 p 值。

图 22.5 FDR LogWorth 依据: 效应大小 

Image shown here

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).