"선택 모형" 보고서에서 모형에 둘 이상의 효과가 포함되어 있고 이를 빠르게 계산할 수 있는 경우 "효과 요약" 섹션이 나타납니다. 빨간색 삼각형 메뉴에서 "가능도비 검정"을 선택하여 두 보고서를 모두 엽니다(보고서가 나타나지 않은 경우). 모형에 의해 추정된 효과가 나열되고 해당 효과에 대한 LogWorth 또는 FDR LogWorth 값 그림이 제공됩니다. 모형에서 효과를 추가하거나 제거할 수 있는 컨트롤도 보고서에 제공됩니다. 모형 적합 보고서는 "효과 요약" 보고서의 변경 사항에 따라 자동으로 업데이트됩니다. 자세한 내용은 선형 모형 적합의 “Effect Summary Report”에서 확인하십시오.
참고: "계층적 Bayes"를 사용하여 적합된 모형에는 "효과 요약" 보고서가 적용되지 않습니다.
"효과 요약" 테이블에는 다음과 같은 열이 포함되어 있습니다.
소스
모형 효과를 p 값이 작은 것부터 순서대로 나열합니다.
LogWorth
각 모형 효과에 대해 -log10(p 값)으로 정의된 LogWorth를 표시합니다. 이 변환은 그래프 작성에 적절한 척도를 제공하도록 p 값을 조정합니다. -log10(0.01) = 2이므로 2를 초과하는 값은 0.01 수준에서 유의합니다.
FDR LogWorth
각 모형 효과에 대해 -log10(FDR p 값)으로 정의된 FDR(False Discovery Rate) LogWorth를 표시합니다. 이 통계량은 유의성을 그림에 표시하고 평가하는 데 가장 적합합니다. LogWorth 열을 FDR LogWorth 열로 바꾸려면 FDR 체크박스를 선택합니다.
막대 차트
LogWorth 또는 FDR LogWorth 값의 막대 차트를 표시합니다. 이 그래프에는 정수 값에 수직 파선이 있고 2에 파란색 참조선이 있습니다.
p 값
각 모형 효과에 대한 p 값을 표시합니다. 이 값은 "가능도비 검정" 보고서에 표시된 유의성 검정에 해당하는 p 값입니다.
FDR p 값
각 모형 효과에 대해 Benjamini-Hochberg 기법을 사용하여 계산된 FDR(False Discovery Rate) p 값을 표시합니다. 이 기법은 여러 검정에 대한 FDR(False Discovery Rate)을 제어하기 위해 p 값을 조정합니다. p 값 열을 FDR p 값 열로 바꾸려면 FDR 체크박스를 선택합니다.
FDR 수정에 대한 자세한 내용은 Benjamini & Hochberg(1995)에서 확인하십시오. FDR(False Discovery Rate)에 대한 자세한 내용은 예측 및 전문 모델링의 “Statistical Details for the Response Screening Platform” 또는 Westfall et al. (2011)에서 확인하십시오.
요약 테이블 아래의 옵션을 사용하여 효과를 추가 및 제거할 수 있습니다.
제거
선택한 효과를 모형에서 제거합니다. 하나 이상의 효과를 제거하려면 대상 효과에 해당하는 행을 선택하고 제거 버튼을 클릭합니다.
프로파일 효과 추가
데이터 테이블의 모든 열 목록("테이블 한 개, 쌓여짐" 데이터 형식의 경우) 및 프로파일 데이터 테이블의 열("다중 테이블, 상호 참조됨" 데이터 형식의 경우)이 포함된 패널을 엽니다. 모형에 추가할 열을 선택한 후 열 선택 목록 아래의 "추가"를 클릭하면 해당 열이 모형에 추가됩니다. "닫기"를 클릭하여 패널을 닫습니다.
개체 효과 추가
데이터 테이블의 모든 열 목록("테이블 한 개, 쌓여짐" 데이터 형식의 경우) 및 개체 데이터 테이블의 열("다중 테이블, 상호 참조됨" 데이터 형식의 경우)이 포함된 패널을 엽니다. 모형에 추가할 열을 선택한 후 열 선택 목록 아래의 "추가"를 클릭하면 해당 열이 모형에 추가됩니다. "닫기"를 클릭하여 패널을 닫습니다.