“响应筛选结果”表对于每对 Y 和 X 变量都包含一行。该表的列包含特定于所选拟合以及 Y 和 X 建模类型的测度和模型拟合统计量。
分组
（仅当有分组变量时才显示。）分组列的水平。
Y
指定的响应列。
X
指定的因子列。
计数
用于检验的行数，或相应的“频数”或“权重”变量之和。
p 值
对应于每对 Y 和 X 变量的显著性检验的 p 值。有关“以 X 拟合 Y”统计量的详细信息，请参见《基本分析》中的“以 X 拟合 Y”介绍。
LogWorth
数量 -log10(p 值)。该变换调整 p 值以提供适用于绘图的尺度。超过 2 的值在 0.01 水平下显著 (-log10(0.01) = 2)。
FDR p 值
使用 Benjamini-Hochberg 方法计算的假发现率 p 值。该方法调整 p 值以控制多重检验的假发现率。若没有“分组”变量，则多重检验集包含表中显示的所有检验。若有“分组”变量，则多重检验集包含为“分组”变量的每个水平执行的所有检验。有关 FDR 校正的详细信息，请参见 Benjamini and Hochberg (1995)。有关假发现率的详细信息，请参见假发现率。
FDR LogWorth
数量 -log10(FDR p 值)。这是用于绘制和评估显著性的统计量。请注意，小的 p 值将生成高的 FDR LogWorth 值。对应于 FDR LogWorth 值大于 2（p 值小于 0.01）的单元格用强度梯度着色。
效应大小
表示响应值在 X 的不同水平或值之间的差异程度。效应大小的尺度是不变的。
‒ 当 Y 为连续变量时，效应等于来自假设检验的平均离差平方和的平方根除以响应标准差的稳健估计值。若四分位间距 (IQR) 非零且 IQR > 极差/20，则标准差估计值为 IQR/1.3489795。否则使用样本标准差。
‒ 当 Y 是分类变量且 X 是连续变量时，效应大小是整体模型检验的平均卡方值的平方根。
‒ 当 Y 和 X 都是分类变量时，效应大小是平均 Pearson 卡方的平方根。
秩分数
表示为检验数的分数形式的 FDR LogWorth 的秩。若检验数为 m，则最大 FDR LogWorth 值具有秩分数 1/m，最小 FDR LogWorth 值则具有秩分数 1。“秩分数”用于以显著性下降的顺序对 p 值和 FDR p 值绘图。
R 方
（仅当 Y 为连续变量时才显示。）决定系数，它测量模型解释了多大比例的总变异。
Kappa
（仅当 Y 和 X 都是分类变量并且具有相同的水平数时才显示。）这是 Y 和 X 之间的一致性测度。
相关性
（仅当 Y 和 X 均为分类变量时才显示。）根据值排序定义的索引计算的 Pearson 积矩相关性。
当您在启动窗口中选择“稳健”选项时，以下列会添加到“结果”表。仅当 Y 为连续变量时“稳健”选项才可用。因此，当 Y 为分类变量时“稳健”列单元格为空。
稳健 p 值
对应于使用稳健的每对 Y 和 X 变量的显著性检验的 p 值。
稳健 LogWorth
数量 -log10(稳健 p 值)。
稳健 FDR p 值
使用 Benjamini-Hochberg 方法为稳健 p 值计算的假发现率。若没有“分组”变量，则多重检验调整应用于表中显示的所有检验。若有“分组”变量，则多重检验调整应用于为“分组”变量的每个水平执行的所有检验。
稳健 FDR LogWorth
数量 -log10(稳健 FDR p 值)。
稳健秩分数
表示为检验数的分数形式的稳健 FDR LogWorth 的秩。
稳健卡方
与稳健检验关联的卡方值。
稳健 Sigma
误差标准差的稳健估计值。
稳健离群值部分
与稳健均值的距离超过稳健 Sigma 三倍的那部分值。