안녕하세요 @hartpjb 님 ,
데이터 변환은 다양한 분야에서 사용됩니다. 일부 변환은 기능적(즉, 생물학적 분석 데이터를 평가할 때 농도의 로그 변환)인 반면 다른 변환은 미적/시각화 목적에 더 가깝습니다. 후자는 LogWorth의 경우입니다. 위에서 언급한 것처럼 이 변환을 사용하면 잘린 p-값을 더 쉽게 시각화하고 해석할 수 있습니다. 두 모델 효과의 p-값이 0.0000으로 표시되어 둘이 동일하게 중요하다고 생각할 수 있습니다. 하지만 변환하면 한 모델 효과가 다른 모델 효과보다 더 중요하다는 것을 알 수 있습니다.
LogWorth가 JMP에만 해당되는지는 말씀드릴 수 없습니다. 더 궁금하고 더 명확한 답변을 원하시면 다음 주 가상 JMP Discovery 컨퍼런스 에 참석해 보시기 바랍니다. JMP를 만든 위대한 개발자인 개발팀과 대화를 나눌 수 있는 '전문가 만나기' 세션이 있습니다 
안녕하세요 Jeff, 설명해 주셔서 감사합니다. logWorth는 JMP에만 고유한 것으로 나타납니다. 나는 통계 방법에 관한 책에서 이에 대한 언급을 찾지 못했습니다. 예를 들어 Sokal과 Rohlf '생체 측정', Zar '생물 통계 분석' 또는 Snedecor '통계 방법' 등이 있습니다. logWorth는 특정 분야에만 적용됩니까? - 저는 생물학자이므로 통계 분야에 대한 견해가 제한적일 수 있습니다.
안녕하세요 @hartpjb 님 ,
효과 요약 표에 표시된 logWorth 값은 각 모델 효과의 p-값을 -log 변환한 것입니다. 이 표현은 모델 효과 간의 중요도 차이 정도를 해석할 때 유용할 수 있습니다(즉, 잠재적으로 p-값보다 비교하기가 더 쉬움). 분산 분석 테이블은 전체 모델을 평가하는 데 사용됩니다. 이 표에 대한 자세한 내용은 JMP 도움말 문서인 효과 요약 및 분산 분석에서 확인할 수 있습니다.
Logworth는 p-값의 -log 10진법 입니다. p-값의 log(모든 진법)를 취하면 p-값의 0~1 척도보다 더 의미 있게 해석된 척도에 결과를 놓습니다.
Rafi와 Greenland(2020)는 p 값 대신 s 값을 사용할 것을 제안했습니다. s 값은 p 값의 -log 밑이 2 이므로 로그워스에 비례하고, 동전 던지기와 유사하게 해석할 수 있습니다.
통계 과학을 지원하는 의미론적 및 인지적 도구: 신뢰도와 중요성을 호환성 및 놀라움으로 대체
Rafi와 Greenland BMC 의학 연구 방법론(2020) 20:244
https://doi.org/10.1186/s12874-020-01105-9
"S 값은 볼 수 있는 절대적인 척도를 제공합니다.
유효한 P-값이 제공하는 정보는 측정된 대로
관찰된 p를 물리적 메커니즘에 대해 교정하여
알려진 확률을 갖는 데이터를 생성하는 단일
동전 던지기는 코딩할 수 있는 이진 결과를 생성합니다.
1 = 앞면, 0 = 뒷면이므로 두 개의 기호만 필요합니다.
또는 기록하거나 저장하는 상태입니다. 따라서 정보는
한 번 던지는 것을 비트라고 하며, 바이너리 디지트(binary digit)의 줄임말이거나 섀넌(shannon)이라고 합니다.
s 던지기 시퀀스를 설명하는 정보에는 다음이 필요합니다.
기록하거나 저장할 비트가 있으므로 이를 확장합니다.
P-값 p를 갖는 가설 H에 대한 측정을 우리는 다음과 같이 말합니다.
H에 대한 테스트 제공 s = −log2(p) 비트의 정보.
"우리는 추가적인 제한 없이 우리의 교정이
동전 던지기에 대한 P-값은 단지 측정하는 것입니다.
검정 가설을 지지하지 않는 정보
그것의. 이 제한은 순전히 논리적인 이유 때문입니다.
무한한 배경 속에서 구별할 수 있는 방법이 없습니다.
동일하거나 더 큰 테스트로 이어지는 가정
P-값과 따라서 동일하거나 더 작은 S-값이 있습니다.
상대적인 경우를 제외하고는 데이터가 테스트 가설을 뒷받침할 수 있는 방법이 없습니다.
고정된 일련의 배경 가정에.
우리는 배경 가정을 당연하게 여기고 선호합니다.
대신 반박적인 견해를 채택하여 이를 강조합니다.
지원에 대한 모든 주장은 가정에 의해 훼손될 것입니다.
불확실성이 있으므로 피하는 것이 가장 좋습니다. 이 주의 사항이 적용됩니다.
사용된 검정 통계량에 관계없이 P값, S값,
베이즈 요인 또는 사후 확률.
"P 값과 마찬가지로 S 값은 특정 값만을 나타냅니다.
특정 배경 가정을 사용하여 테스트합니다. 다른
다양한 배경 가정에 기반한 테스트
일반적으로 다른 P-값을 생성하고 따라서 다른 S값도 생성됩니다.
따라서 단순히 S 값을 호출하는 것은 실수일 것입니다.
“가설에 반하는 정보는 제공되었습니다.
데이터”는 항상 가설에 대한 테스트이기 때문입니다.
가정을 바탕으로(또는 가정을 바탕으로). 기본적인 예로,
우리는 엄격한 귀무가설에 대한 P-값을 대조할 수 있습니다.
(어떤 실험 단위에도 영향을 미치지 않음)
t-검정을 사용하여 두 실험 그룹을 비교합니다.
무작위화와 함께 정규 분포를 가정합니다.
귀무가설에 따른 응답)을 P-값으로 변환
순열 테스트(무작위성만을 가정).
마지막으로 보충 설명에서 설명한 바와 같이 S-값은
다른 대수 단위를 사용하여 표현할 수도 있습니다.
자연 로그(기본 e)인 −ln(p)는 수학적으로 다음과 같습니다.
더 편리하지만 물리적으로 표현하기는 쉽지 않습니다."
