发布日期: 04/13/2021

“PValues”数据表

“PValues”数据表中的每一行对应于一对 Y 变量和相应的模型效应项。表中的列包含以下信息。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。

Y

指定的响应列。

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。

p 值

显著性检验对应于 F 比的 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

数量 -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,请参见假发现率或 Westfall et al.(2011)。

FDR LogWorth

数量 -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

表示为检验数的分数形式的 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,秩分数以秩/检验总数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。

检验自由度

效应检验的自由度。

“PValues”数据表还包含名为“原始数据”的表变量,该变量给出用于分析的数据表的名称。若您指定了“依据”变量,JMP 会为“依据”变量的每个水平创建一个“PValues”表,并且“原始数据”变量给出“依据”变量及其水平。

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