启动“响应筛选”平台

通过选择分析 > 筛选 > 响应筛选来启动“响应筛选”平台。

“响应筛选”启动窗口

启动窗口角色

对于指定列的每个水平，分别分析相应的行，但是在单个表和报表中显示结果。

权重

标识其值用于为每行分配权重的列。这些值在分析中作为权重使用。详细信息，请参见权重《拟合线性模型》中。

频数

标识其值用于为每个行分配频数的列。这些值允许您将预先汇总数据考虑在内。详细信息，请参见频数《拟合线性模型》手册中的。

依据

对于指定列的每个水平，分析相应的 Y 和 X 并在单独的表和报表中显示结果。

启动窗口选项

稳健

对于连续响应，使用稳健 (Huber) 估计来减小离群值的权重。若无离群值，这些估计值接近最小二乘估计值。请注意该选项会增加处理时间。

Cauchy

假定误差服从 Cauchy 分布。Cauchy 分布具有比正态分布更肥大的尾部，从而弱化了对离群值的强调。若您的数据中有较大比例的离群值，该选项会很有用。不过，若您的数据接近正态，只含有少数离群值，该选项会导致不正确的推断。Cauchy 选项使用最大似然和 Cauchy 连结函数估计参数。

Poisson Y

将每个 Y 响应拟合为具有 Poisson 分布的计数。仅为分类 X 执行该检验。当您的响应是计数时，适合使用该选项。

Kappa

将名为 Kappa 的新列添加到数据表。若 Y 和 X 都是分类变量且具有相同的水平，则提供 kappa。这是 Y 和 X 之间的一致性测度。

相关性

“相关性”选项根据值排序定义的索引计算 Pearson 积矩相关性。

Pearson 积矩相关性的计算在以下情况下给出 Spearman rho：

‒	X 和 Y 都是有序型

‒	X 和 Y 是名义型且它们的值排序对应于次序关系

若 X 和 Y 都是二值型，则 Pearson 计算给出 Kendall Tau-b。否则，高量值的相关性值指示关联；低量值的相关性值不排除关联。

相同的 Y 尺度

当您使用报表的“拟合选定项”选项运行各个分析时，将所有 Y 响应调整为同一尺度。

缺失值为类别

对于任何分类 X 变量，将 X 上的缺失值视为一个类别。

强制 X 为分类变量

忽略建模类型并将所有 X 列视为分类变量。

强制 X 为连续变量

忽略建模类型并将所有 X 列视为连续变量。

强制 Y 为分类变量

忽略建模类型并将所有 Y 列视为分类变量。

强制 Y 为连续变量

忽略建模类型并将所有 Y 列视为连续变量。

配对 X 和 Y

根据 X 列和 Y 列在 Y，响应和 X 列表中的顺序，仅对与 X 列配对的 Y 列执行检验。第一个 Y 与第一个 X 配对，第二个 Y 与第二个 X 配对等。

非线程

禁用多线程。

实际差值部分

规格范围的比例或估计的六个标准差范围的比例，它表示您认为有实际意义的差值。若“规格限”未设置为列属性，则为响应估计六个标准差的范围。标准差估计值从四分位间距 (IQR) 计算得出，即

。

若未指定“实际差值比例”，则它的值默认为 0.10。实际显著性检验和等价性检验使用该差值确定实际差值。请参见 “比较均值”数据表。

LogWorth 最大值

用于控制涉及 LogWorth 值（p 值的 -log10）的图的尺度。将超过“LogWorth 最大值”的 LogWorth 值标绘为“LogWorth 最大值”以防止 LogWorth 图中出现极端尺度。有关示例，请参见“LogWorth 最大值”选项的示例。