你好@hartpjb ,
資料轉換應用於許多學科；有些轉換是功能性的（即評估生物測定數據時濃度的對數轉換），而其他轉換更多的是出於美學/視覺化目的。 LogWorth 屬於後者。 如上所述，這種轉換可以更輕鬆地視覺化和解釋截斷的 p 值。 兩個模型效應的 p 值可能顯示為 0.0000，導致您認為它們同等重要；但是，當進行轉換時，您可能會發現一種模型效果比另一種模型效果更重要。
我無法談論 LogWorth 是否特定於 JMP - 如果您好奇並想要更清晰的答案，那麼您可以考慮調整到我們的虛擬JMP探索會議下週。 有一個「與專家會面」會議，您可以在其中與我們的開發團隊、JMP 背後的偉大思想者聊天 
嗨，傑夫，謝謝你的解釋。 logWorth 似乎是 JMP 獨有的。 我在有關統計方法的書籍中沒有找到任何參考資料，例如 Sokal 和 Rohlf 的《生物測定》或 Zar 的《生物統計分析》或 Snedecor 的《統計方法》。 logWorth 是某些學科特有的嗎？ - 我是一名生物學家，也許對統計領域的看法有限。
你好@hartpjb ,
效應總表中顯示的 logWorth 值是每個模型效應的 p 值的 -log 轉換。 在解釋模型效應之間的重要性差異程度時，這種表示方式非常有用（即可能比 p 值更容易比較）。變異數分析表用於評估整體模型。 有關這些表的更多信息，請參閱 JMP 的幫助文件：效果總結和方差分析。
Logworth 是以10 為底的p 值的對數。與 p 值的 0 到 1 範圍相比，取 p 值的對數（以任何底數為單位）可以使結果處於更有意義的解釋範圍內。
Rafi 和 Greenland (2020) 建議使用 s 值而非 p 值； s 值是 p 值的 -log 以2 為底（因此它與 logworth 成正比），並且可以通過類似於拋硬幣來解釋。
輔助統計科學的語意和認知工具：用相容性和驚喜取代信心和重要性
拉菲和格陵蘭 BMC 醫學研究方法 (2020) 20:244
https://doi.org/10.1186/s12874-020-01105-9
「S 值提供了觀看的絕對尺度
由測量的有效 P 值提供的信息
透過根據物理機制校準觀測到的 p
產生具有已知機率的數據。單一
拋硬幣產生可以編碼的二進位結果
因為 1 = 正面，0 = 反面，因此只需要兩個符號
或說明記錄或儲存；因此a中的信息
單次拋擲稱為“位”，是“二進制數字”的縮寫，或“香農”。
描述一系列拋擲的資訊需要
s 位來記錄或儲存；因此，擴展此
對具有 P 值 p 的假設 H 的測量，我們稱
測試提供了針對 H 的 s = −log2(p) 位元資訊。
「我們強調，在沒有進一步限制的情況下，我們的校準
對抗拋硬幣的 P 值僅測量
反對檢驗假設的訊息，而不是支持的訊息
它的。這種限制純粹是出於邏輯原因
沒有辦法區分無窮無盡的背景
導致測試具有相同或更大的假設
P 值和 S 值相同或更小。有
除了相對數據之外，數據不可能支持檢驗假設
到一組固定的背景假設。而不是
假設背景假設是理所當然的，我們比較傾向於
相反，採取反駁的觀點，強調
任何支持的主張都會被假設所削弱
不確定性，因此最好避免。此警告適用
無論使用何種檢定統計量，不論是 P 值、S 值、
貝葉斯因子，或後驗機率。
「與 P 值一樣，S 值僅指特定的
使用特定背景假設進行測試。一個不同的
基於不同背景假設的測試將
通常會產生不同的 P 值，從而產生不同的 S 值；
因此，簡單地將 S 值稱為 S 值是錯誤的
「與假設相反的訊息由
數據”，因為它始終是對聯合假設的檢驗
與（或以）假設為條件。作為一個基本的例子，
我們可以比較嚴格原假設的 P 值
（對任何實驗單位均無影響）
使用 t 檢定比較兩個實驗組（其中，
與隨機化一起，假設常態分佈
原假設下的反應），到 P 值
排列測試（假設僅隨機化）。
最後，如補充中所解釋的，S值
也可以使用其他對數單位來表示，例如
作為自然（以 e 為底）對數，−ln(p)，數學上是
更方便，但不太容易在物理上表示。
