「モデルのあてはめ」プラットフォームから「応答のスクリーニング」を起動すると、「応答スクリーニングのあてはめ」レポートに「効果の検定」表と2つのプロットが表示されます。これらは、「FDR P値 プロット 効果」と「FDR 対数価値 By 効果の大きさ」プロットです。これらのプロットはどちらも、「応答のスクリーニング」プラットフォームと同じように解釈できます。「応答のスクリーニング」のプロットを参照してください。
「効果の検定」表には、Y変数とモデル効果からなる、各ペアの行が含まれています。なお、起動ウィンドウで［ロバストなあてはめ］オプションを選択した場合、モデルはHuberのM推定法によって推定されます。By変数を指定した場合は、By変数の水準ごとに「効果の検定」表が作成されます。この表には以下の列があります。
Y
指定した応答列。
スイッチ
（起動ウィンドウで［スイッチ］に列が指定された場合にのみ使用可能。）モデルに含まれた列を指定します。これにより、行がどのモデルを記述しているかが識別できます。「効果」列に「スイッチ」と表示されている行には、「スイッチ」列の変数の効果に関する情報が表示されます。
ヒント: 「スイッチ」列の見出しをクリックすると、「効果の検定」表をスイッチごとに並べ替えることができます。そうすれば、検定された各モデル内の効果をより明確に確認できます。複数のYがある場合に、各応答に対するモデル内の効果を見るには、スイッチで並べ替えてからYで並べ替えます。
効果
指定したモデルにおける効果。
F値
効果に対する検定の検定統計量。これは、「最小2乗法によるあてはめ」の「効果の検定」レポートに表示される値です。
カイ2乗
（起動ウィンドウでロバストなあてはめを指定した場合にのみ使用可能。）効果に対する検定の検定統計量。
p値
「FRatio」（F値）に対するp値。効果の検定の詳細については、『基本的な回帰モデル』の効果の検定を参照してください。
対数価値
-log10(p値)。p値そのものの値ではなく、対数価値に変換すると、解釈がしやすくなります。2を上回る値は、有意水準0.01で有意となります（-log10(0.01) = 2）。
FDR P値
FDR（False Discovery Rate; 偽発見率）を制御するように調整されたp値。Benjamini‐Hochberg法で計算されています。FDR調整p値は、検定の多重性を考慮して、生のp値を調整したものです。FDRについては、Benjamini and Hochberg（1995）を参照してください。また、「応答のスクリーニング」プラットフォームの統計的詳細またはWestfall et al.（2011）を参照してください。
FDR 対数価値
-log10(FDR調整p値)。FDR対数価値は、検定の有意性をグラフに表すのに適しています。p値が小さいと、この値は大きくなります。
分数順位
（デフォルトでは表示されません。）対数価値の順位を、検定の総回数で割ったもの。検定の総回数をmとした場合、対数価値が最大のときに、分数順位は1/mとなります。また、対数価値が最小のときに、分数順位は1となります。この分数順位は、対数価値では大きい順ですが、p値では小さい順に対応しています。分数順位は、「FDR P値 プロット」の横軸に使われます。
効果の大きさ
Xの水準や値によって応答の値がどの程度異なるかを示します。Effect Size（効果の大きさ、効果量）は、次のように計算される、尺度不変な指標です。
– Yが連続尺度の場合、効果の大きさは、モデル平方和を標本サイズで割ったものの平方根を、応答変数の標準偏差の推定値で割った値です。応答変数の標準偏差の推定値は、四分位範囲（IQR）がゼロでなく、IQR > 範囲/20の場合、IQR/1.3489795で求められます。それ以外の場合は、標本標準偏差が使用されます。
– YがカテゴリカルでXが連続尺度の場合、効果の大きさは、モデル全体のカイ2乗検定統計量を標本サイズで割ったものの平方根です。
– YとXが両方ともカテゴリカルな場合、効果の大きさは、Pearsonのカイ2乗値を標本サイズで割ったものの平方根です。
– 起動時にロバストなあてはめを指定した場合、効果の大きさは（カイ2乗検定統計量/n）の平方根として計算されます。ここで、nは標本サイズです。
検定自由度
効果の検定の自由度。