반응 변수 선별 적합 보고서
모형 적합 플랫폼을 통해 반응 변수 선별을 시작하면 "반응 변수 선별 적합" 보고서에 "효과 검정" 테이블, 두 개의 그림 및 "모수 추정값" 테이블이 포함됩니다. 표시된 그림은 "효과에 대한 FDR p 값 그림"과 "FDR LogWorth 대 효과 크기" 그림입니다. 두 그림 모두 플랫폼 자체와 동일한 방식으로 해석됩니다. 자세한 내용은 반응 변수 선별 그림에서 확인하십시오. 임의 효과가 포함된 경우 "분산 성분" 테이블과 "BLUP - 임의 효과 예측" 테이블도 보고서에 포함됩니다.
적합 상태
하나 이상의 적합이 수렴하지 않는 경우 "적합 상태" 보고서가 표시됩니다. 이 보고서에는 각 모형과 모형의 수렴 여부를 보여 주는 테이블이 포함되어 있습니다. 모형이 수렴하지 않은 경우 이유를 알려 주는 간단한 설명이 있습니다.
효과 검정 테이블
"효과 검정" 테이블에는 Y 변수와 모형 효과로 구성된 각 쌍에 대한 행이 포함되어 있습니다. 시작 창에서 "로버스트 적합" 옵션을 선택하면 Huber M-추정을 사용하여 모형이 적합됩니다. 기준 변수를 지정한 경우 기준 변수의 각 수준에 대해 "효과 검정" 테이블이 생성됩니다. 테이블에는 다음 열이 포함됩니다.
Y
지정된 반응 열입니다.
전환
(시작할 때 "전환" 열을 지정한 경우 사용 가능) 모형에 포함되는 열을 지정합니다. 이는 행이 설명하는 모형을 식별합니다. "효과" 열에 "전환"이 포함된 경우 "전환" 열은 효과를 지정합니다.
팁: "전환" 열 머리글을 클릭하면 "효과 검정" 테이블이 "전환" 열을 기준으로 정렬됩니다. 이렇게 하면 검정되는 각 모형 내의 효과를 더 명확하게 확인할 수 있습니다. 여러 Y의 경우 "전환"을 정렬한 후 "Y"를 정렬하여 각 반응에 대한 모형 내 효과를 정렬합니다.
효과
지정된 모형 효과입니다.
F 비
"효과" 검정에 대한 검정 통계량입니다. 이 값은 최소 제곱 적합의 "효과 검정" 보고서에 나오는 값과 같습니다.
카이제곱
(시작할 때 로버스트 적합을 지정한 경우에만 사용 가능) "효과" 검정에 대한 검정 통계량입니다.
p 값
"F 비"에 해당하는 유의성 검정의 p 값입니다. 효과 검정에 대한 자세한 내용은 효과 검정의 선형 모형 적합에서 확인하십시오.
LogWorth
-Log10(p 값)의 계산 값입니다. 이 변환은 그래프 작성에 적절한 척도를 제공하도록 p 값을 조정합니다. -Log10(0.01) = 2이므로 2를 초과하는 값은 0.01 수준에서 유의합니다.
FDR p 값
Benjamini-Hochberg 기법을 사용하여 계산된 False Discovery Rate p 값입니다. 이 기법은 여러 검정에 대한 FDR(False Discovery Rate)을 제어하기 위해 p 값을 수정합니다. FDR 수정에 대한 자세한 내용은 Benjamini & Hochberg(1995)에서 확인하십시오. False Discovery Rate에 대한 자세한 내용은 반응 변수 선별 플랫폼에 대한 통계 상세 정보 또는 Westfall et al. (2011)에서 확인하십시오.
FDR LogWorth
-Log10(FDR p 값)의 계산 값입니다. 이 통계량은 유의성을 그림에 표시하고 평가하는 데 가장 적합합니다. P 값이 작으면 FDR LogWorth 값이 커집니다.
순위 비율
(기본적으로 표시되지 않음) FDR LogWorth 순위를 검정 수의 비율로 나타낸 것입니다. 검정 수가 m이면 가장 큰 FDR LogWorth 값의 순위 비율은 1/m이고 가장 작은 값의 순위 비율은 1입니다. 마찬가지로 "순위 비율"은 p 값을 검정 수의 비율로 작은 것부터 순서대로 정렬합니다. 순위 비율은 p 값과 FDR p 값을 순위별로 유의성이 큰 것부터 그림에 표시하는 데 사용됩니다.
효과 크기
X의 수준 또는 값에 따라 반응 값이 달라지는 정도를 나타냅니다. 효과 크기는 척도 불변입니다.
– 효과 크기는 가설 검정에서 구한 평균 제곱합의 제곱근을 반응 표준편차의 로버스트 추정값으로 나눈 값입니다. IQR(사분위수 범위)이 0이 아니고 IQR > 범위/20이면 표준편차 추정값은 IQR/1.3489795입니다. 그렇지 않으면 표본 표준편차가 사용됩니다.
– 모형에 임의 효과가 있는 경우 각 효과에 대한 유사 제곱합이 계산됩니다(Tippey & Longneck 2016). 그런 다음 이전과 같이 효과 크기가 계산됩니다. 대신, 분자에 유사 제곱합을 사용합니다. 각 효과에 대한 유사 제곱합은 다음과 같이 계산됩니다.
SSpseudo = F 비 ´ DFNum ´ MSE
– 시작할 때 로버스트 적합을 지정한 경우 효과 크기는 (카이제곱 검정 통계량/n)의 제곱근으로 계산됩니다. 여기서 n은 관측값 수입니다.
검정 DF
(시작 창에서 고정 효과가 지정되고 임의 효과가 없는 경우에만 사용 가능) 효과 검정에 대한 자유도입니다.
DFNum
(시작 창에서 임의 효과를 지정한 경우에만 사용 가능) 효과 검정에 대한 분자 자유도입니다.
DFDen
(시작 창에서 임의 효과를 지정한 경우에만 사용 가능) 효과 검정에 대한 분모 자유도입니다. DFDen은 Kenward-Roger 1차 근사를 사용하여 계산됩니다. 자세한 내용은 Kackar-Harville 수정에 대한 통계 상세 정보의 선형 모형 적합에서 확인하십시오.
모수 추정값
"모수 추정값" 보고서에는 모형에 지정한 고정 효과 모수에 대한 상세 정보가 제공됩니다. "모수 추정값" 보고서에는 다음 열이 포함됩니다.
Y
해당 추정 모수에 대한 반응 열입니다.
항
추정된 모수에 해당하는 모형 항입니다. "모형 적합" 시작 창에서 "절편 없음" 옵션을 선택한 경우를 제외하고 첫 번째 항은 항상 절편입니다. 고차항의 일부인 연속형 열은 기본적으로 중심화됩니다. 명목형 또는 순서형 효과는 대괄호 안에 수준 값이 포함된 상태로 나타납니다. 명목형 및 순서형 항의 코딩에 대한 자세한 내용은 요인 모형의 선형 모형 적합에서 확인하십시오.
추정값
각 항에 대한 모수 추정값입니다. 이 값은 모형에 있는 항 계수의 추정값입니다.
표준 오차
모수 추정값에 대한 표준 오차 추정값입니다.
분산 성분
"분산 성분" 보고서에는 모형에 지정한 임의 효과의 분산 성분에 대한 상세 정보가 제공됩니다. "분산 성분" 보고서에는 다음 열이 포함됩니다.
Y
해당 추정 모수에 대한 반응 열입니다.
임의 효과
추정된 모수에 해당하는 임의 효과 항입니다.
분산 비율
잔차의 분산 성분에 대한 효과의 분산 성분 비율입니다. 이 값은 효과의 추정 분산을 모형의 추정 오차 분산과 비교합니다.
분산 성분
임의 효과에 대한 추정 분산 성분입니다.
BLUP - 임의 효과 예측
"임의 효과 예측" 보고서에는 Y 반응과 임의 효과 모수의 각 조합에 대해 BLUP(최량 선형 비편향 예측 변수)라는 추정값이 제공됩니다. 이러한 추정값을 사용하여 조건부 예측을 수행할 수 있습니다.