发布日期: 08/07/2020

“PValues”数据表列

“PValues”数据表显示一些列,包含针对选定拟合以及 Y 和 X 建模类型组合的测量值和统计量。数据表中的列包括:

Y

指定的响应列。

X

指定的因子列。

计数

用于检验的行数,或相应的“频数”或“权重”变量之和。

p 值

对应于每对 Y 和 X 变量的显著性检验的 p 值。有关“以 X 拟合 Y”的详细信息,请参见《基本分析》中的“以 X 拟合 Y”介绍

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。若没有“分组”变量,则多重检验集包含表中显示的所有检验。若有“分组”变量,则多重检验集包含为“分组”变量的每个水平执行的所有检验。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

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。对应于 FDR LogWorth 值大于 2(p 值小于 0.01)的单元格用强度梯度着色。

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。

当 Y 为连续变量时,效应等于原假设情况下平均离差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。

当 Y 是分类变量且 X 是连续变量时,效应大小是整体模型检验的平均卡方值的平方根。

当 Y 和 X 都是分类变量时,效应大小是平均 Pearson 卡方的平方根。

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。

Y 均值

Y 的均值。

误差平方和

当 Y 为连续变量时显示。误差的平方和。

误差自由度

当 Y 为连续变量时显示。误差的自由度。

均方误差

当 Y 为连续变量时显示。均方误差。

F 比

当 Y 为连续变量时显示。方差分析或回归检验的 F 比。

R 方

当 Y 为连续变量时显示。决定系数,它测量模型解释了多大比例的总变异。

截距

当 Y 和 X 均为连续变量时显示。将相应的 Y 和 X 变量对关联起来的回归模型的截距。

斜率

当 Y 和 X 均为连续变量时显示。将相应的 Y 和 X 变量对关联起来的回归模型的斜率。

自由度

当 Y 和 X 均为分类变量时显示。卡方检验的自由度。

LR 卡方

当 Y 和 X 均为分类变量时显示。似然比卡方统计量的值。

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