“响应筛选”报表窗口中包含的默认表取决于在启动窗口中所做的选择。“结果表”始终显示,“M * 2 结果”表仅在有一个或多个名义型响应和一个或多个分类预测变量时才显示。
“响应筛选”报表中的“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“Introduction to Fit Y by X”。
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“响应筛选”平台的统计详细信息。
FDR LogWorth
量 -log10(FDR p 值)。这是用于标绘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 卡方值的平方根。
秩分数
表示为检验数目的分数形式的 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
(仅当在启动窗口中已指定时才显示。仅可用于分类 Y 和 X 具有相同水平数的情况。)这是 Y 和 X 之间的一致性测度。
相关性
(仅当在启动窗口中已指定时才显示。)Pearson 积矩相关性。对于分类变量,根据由值排序定义的索引来计算相关性。
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
对应于使用稳健拟合的每对 Y 和 X 变量的显著性检验的 p 值。
稳健 LogWorth
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
量 -log10(稳健 FDR p 值)。
稳健秩分数
表示为检验数目的分数形式的稳健 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。
当您在启动窗口中选择“Cauchy ”选项时,以下列会添加到“结果表”。仅当 Y 为连续变量时“Cauchy”选项才适用。因此,当 Y 为分类变量时“Cauchy”列单元格为空。
Cauchy p 值
对应于使用 Cauchy 拟合的每对 Y 和 X 变量的显著性检验的 p 值。
Cauchy LogWorth
量 -log10(Cauchy p 值)。
Cauchy FDR p 值
使用 Benjamini-Hochberg 方法为 Cauchy 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。
Cauchy FDR LogWorth
量 -log10(Cauchy FDR p 值)。
Cauchy 秩分数
表示为检验数目的分数形式的 Cauchy FDR LogWorth 的秩。
Cauchy 卡方
与来自 Cauchy 拟合的检验关联的卡方值。
Cauchy Sigma
来自 Cauchy 拟合的误差标准差的估计值。
Cauchy 离群值对应部分
与 Cauchy 拟合均值的距离超过 Cauchy Sigma 三倍的值所对应的部分。
M * 2 表包含的结果可用于调查两水平分类响应与分类预测变量之间的关系。对于每个响应和预测变量对,默认报告相对风险、风险差值和优势比。右击该表并选择列以便将计数、置信区间、标签或 FDR LogWorth 值添加到表中。第一个水平设置为基线,其他每个水平都与之进行比较。
注意:“M * 2 结果”报表仅在有一个或多个具有两个水平的分类响应和一个或多个分类预测变量时可用。
“均值差”表中的每一行针对分类因子的两个水平进行响应的比较。使用启动窗口中的“均值比较”选项指定是将每个水平与控制水平进行比较,还是比较所有可能的水平组合。该表指示所比较的 X 变量和水平。
“均值差”表中的“差值”列包含两个水平的响应均值的估计差值。若选择了“稳健”选项,则使用均值的稳健估计值。还包含用于 FDR p 值和 FDR LogWorth 的列,它们是通过检验两个均值之间的差值是否为零获得的。
注意:仅当存在一个或多个连续响应和一个或多个分类预测变量时,“均值差”表才可用。