发布日期: 09/18/2023

“拟合响应筛选”报表

通过“拟合模型”平台启动“响应筛选”时,“拟合响应筛选”报表包含一个“效应检验”表和两个图。显示的图包括“效应的 FDR p 值图”和“FDR LogWorth 依据: 效应大小”图。这两个图的解释方式与平台本身的解释方式相同。请参见响应筛选图

“效应检验”表

“效应检验”表中的每一行对应于由一个 Y 变量与模型效应构成的对。若在启动窗口中选择“稳健拟合”选项,则使用 Huber M 估计拟合模型。若指定了“依据”变量,则为“依据”变量的每个水平创建一个“效应检验”表。该表包含以下列:

Y

指定的响应列。

切换

(在启动中指定了“切换”列时才可用。)指定包括在模型中的列。这标识了该行正在描述的模型。当“效应”列包含“切换”时,“切换”列指定效应。

提示:点击“切换”列标题按照“切换”对“效应检验”表排序。这将支持您更清楚地看到每个检验的模型中的效应。对于多个 Y,先依据“切换”排序,然后依据“Y”排序,以便为每个响应排列出模型中的各个效应。

效应

指定的模型效应。

F 比

效应检验的检验统计量。该值可在“最小二乘法拟合”的“效应检验”报表中找到。

卡方

(仅当在启动中指定了稳健拟合时才可用。)效应检验的检验统计量。

p 值

对应于 F 比的显著性检验的p 值。有关“效应检验”的详细信息,请参见《拟合线性模型》中的“效应检验”

LogWorth

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(因为 -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。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或 Westfall et al.(2011)。

FDR LogWorth

量 -log10(FDR p 值)。这是用于标绘和评估显著性的最佳统计量。请注意,小的 p 值将生成高的 FDR LogWorth 值。

秩分数

(默认情况下不显示。)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。也可以说,秩分数以检验总数目的分数形式按升序对 p 值排序。“秩分数”用于以显著性下降的顺序对 p 值和 FDR p 值绘图。

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。效应大小不随尺度变化而变。

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。

当在启动中指定稳健拟合时,效应大小计算为 (卡方检验统计量/n) 的平方根,其中 n 是观测数。

检验自由度

效应检验的自由度。

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