在“响应筛选”红色小三角菜单中选择“保存均值”选项后，将创建“均值差”数据表。该数据表提供标准差值检验的结果。若已经指定实效性差值和等价性选项，则新数据表中还提供实效性差值检验和实效性等效性检验。每一行针对分类因子的两个水平进行响应的比较。配对比较的结果会用颜色编码以便于解释。有关如何指定实效性差值的说明，请参见实效性差值。相关示例，请参见实际显著性检验和等价性检验的示例。
Y
连续响应变量。
X
分类变量。
水平
分类 X 变量的水平。
- 水平
正在与初始水平比较的分类 X 变量的水平。
该均值
“水平”列中水平的响应变量的均值。若选择了“稳健”选项，则使用均值的稳健估计值。
基准均值
“- 水平”列中水平的响应变量的均值。若选择了“稳健”选项，则使用均值的稳健估计值。
差分
两个水平上均值的差值估计，计算为“该均值 - 基准均值”。
差值标准误差
均值差值的标准误差。若选择了“稳健”选项，则这是稳健估计值。
差值 95% 下限
均值之间的差值的 95% 置信区间下限。
差值 95% 上限
均值之间的差值的 95% 置信区间上限。
p 值
配对比较的常规 Student t 检验的 p 值。若选择了“稳健”选项，则这是 t 检验的稳健版本。在 0.05 水平下显著的检验会突出显示。
LogWorth
量 -log10(p 值)。该变换调整 p 值以提供适用于绘图的尺度。
FDR p 值
配对比较的 Student t 检验的 FDR p 值。请参见“响应筛选”平台的统计详细信息。
FDR LogWorth
量 -log10(FDR p 值)。
待检差值
视为有实际意义的均值差值。当您选择“实效性差值和等效性”红色小三角菜单选项时，会指定该选项。请参见实效性差值和等价性。
实效性差值 p 值
一个检验的 p 值，该检验用于检测“水平”与“- 水平”之间 Y 的均值差的绝对值是否大于等于“待检差值”。小 p 值表示绝对差值超过了“待检差值”。这表示“水平”和“- 水平”的差值是有实效性影响的。
实效性等价性 p 值
使用双单侧检验 (TOST) 方法来检验均值之间实效性差值 (Schuirmann, 1987)。“待检差值”指定一个差值阈值，比它小的差值被视为实效性上等价。针对以下两个原假设构造单侧 t 检验：真实差值超过“待检差值”；真实差值小于“待检差值”的负数。若这两个检验都被拒绝，则表示均值的绝对差值位于“待检差值”范围内。因此，组被视为实效性上等价。
实效性等价性 p 值是在单侧 t 检验中获得的最大 p 值。小的实效性等价性 p 值表示“水平”的响应均值在实效性意义上与“- 水平”的响应均值等价。
FDR 实效性差值 p 值
配对比较的实效性差值检验的 FDR p 值。请参见“响应筛选”平台的统计详细信息。
FDR 实效性等价性 p 值
配对比较的 TOST 检验的 FDR p 值。请参见“响应筛选”平台的统计详细信息。
实效性结果
实际差值检验和等价性检验结果的说明。值会进行颜色编码来帮助识别显著结果。
‒ 不同（粉色）：表示绝对差值显著大于实际差值。
‒ 等价（绿色）：表示绝对差值显著位于实际差值范围内。
‒ 无结果（灰色）：表示实效性差值检验和实效性等价性检验都不显著。