“拟合响应筛选”报表
通过“拟合模型”平台启动“响应筛选”时，“拟合响应筛选”报表包含一个“效应检验”表、两个图和一个“参数估计值”表。显示的图包括“效应的 FDR p 值图”和“FDR LogWorth 依据: 效应大小”图。这两个图的解释方式与平台本身的解释方式相同。请参见响应筛选图。若包括随机效应，该报表还包含一个“方差分量”表和一个“BLUP - 随机效应预测”表。
拟合状态
若一个或多个拟合未收敛，则显示“拟合状态”报表。该报表包含一个表，其中显示每个模型以及该模型是否收敛。若该模型未收敛，则会有简短说明解释该模型未能收敛的原因。
“效应检验”表
“效应检验”表中的每一行对应于由一个 Y 变量与模型效应构成的对。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。若指定了“依据”变量，则为“依据”变量的每个水平创建一个“效应检验”表。该表包含以下列：
Y
指定的响应列。
切换
（在启动中指定了“切换”列时才可用。）指定包括在模型中的列。这标识了该行正在描述的模型。当“效应”列包含“切换”时，“切换”列指定效应。
提示：点击“切换”列标题按照“切换”对“效应检验”表进行排序。这将支持您更清楚地看到每个检验的模型中的效应。对于多个 Y，先依据“切换”排序，然后依据“Y”排序，以便为每个响应排列出模型中的各个效应。
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。
卡方
（仅当在启动中指定了稳健拟合时才可用。）效应检验的检验统计量。
p 值
对应于 F 比的显著性检验的p 值。有关“效应检验”的详细信息，请参见《拟合线性模型》效应检验中的。
LogWorth
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“响应筛选”平台的统计详细信息或 Westfall et al.(2011)。
FDR LogWorth
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
（默认情况下不显示。）表示为检验数目的分数形式的 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，秩分数以检验总数目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。
效应大小
表示响应值在 X 的不同水平或值之间的差异程度。效应大小的尺度是不变的。
‒ 效应大小等于来自假设检验的平均平方和的平方根除以响应标准差的稳健估计值。若四分位间距 (IQR) 非零且 IQR > 极差/20，则标准差估计值为 IQR/1.3489795。否则使用样本标准差。
‒ 若模型中有随机效应，则为每个效应计算伪平方和 (Tippey and Longneck 2016)。然后像以前一样计算效应大小，但在分子中使用伪平方和。每个效应的伪平方和计算如下：
SS伪 = F 比 × 分子自由度 × MSE
‒ 当在启动中指定稳健拟合时，效应大小计算为 (卡方检验统计量/n) 的平方根，其中 n 是观测数。
检验自由度
（仅当在启动窗口中指定了固定效应且无随机效应时才可用。）效应检验的自由度。
分子自由度
（仅当在启动窗口中指定了随机效应时才可用。）效应检验的分子自由度。
分母自由度
（仅当在启动窗口中指定了随机效应时才可用。）效应检验的分母自由度。使用 Kenward-Roger 一阶近似计算分母自由度。请参见《拟合线性模型》Kackar-Harville 校正的统计详细信息中的。
参数估计值
“参数估计值”报表提供在模型中指定的固定效应参数的详细信息。“参数估计值”报表包含以下列：
Y
相应的估计参数的响应列。
项
与估计参数对应的模型项。第一个项始终是截距，除非在“拟合模型”启动窗口中选择了“无截距”选项。默认情况下，属于高阶项一部分的连续列被中心化。名义型或有序型效应的水平值显示在括号中。有关名义型和有序型项的编码的信息，请参见《拟合线性模型》因子模型中的。
估计值
每个项的参数估计值。这是模型中项的系数的估计值。
标准误差
参数估计值的标准误差的估计值。
方差分量
“方差分量”报表为在模型中指定的随机效应的方差分量提供详细信息。“方差分量”报表包含以下列：
Y
相应的估计参数的响应列。
随机效应
与估计参数对应的随机效应项。
方差比
效应的方差分量与残差的方差分量之比。它比较的是效应的估计方差与模型的估计误差方差。
方差分量
随机效应的估计方差分量。
BLUP - 随机效应预测
对于 Y 响应与随机效应参数的每个组合，“随机效应预测”报表都提供称为最佳线性无偏预测变量 (BLUP) 的估计值。这些估计值可用于进行条件预测。