你好@hartpjb ，
数据转换在许多学科中都有使用；一些转换是功能性的（即在评估生物测定数据时对浓度进行对数转换），而另一些转换则更多地是为了美观/可视化目的。LogWorth 就是后者。如上所述，这种转换可以更容易地可视化和解释截断的 p 值。两个模型效应的 p 值可能显示为 0.0000，这让您认为它们同等重要；但是，当转换后，您可能会发现一个模型效应比另一个模型效应更重要。
我无法确定 LogWorth 是否特定于 JMP - 如果您很好奇并想要更明确的答案，那么您可以考虑下周收听我们的虚拟JMP 发现会议。有一个“与专家见面”会议，您可以在其中与我们的开发团队（JMP 背后的伟大思想家）聊天=)
嗨 Jeff，谢谢你的解释。logWorth 似乎是 JMP 独有的。我在统计方法书籍中找不到对它的引用 - 例如 Sokal 和 Rohlf 的《生物统计学》或 Zar 的《生物统计分析》或 Snedecor 的《统计方法》。logWorth 是否是某些学科所特有的？- 我是一名生物学家，可能对统计领域的了解有限。
你好@hartpjb ，
效应汇总表中显示的 logWorth 值是每个模型效应 p 值的对数变换。这种表示在解释模型效应之间重要性差异程度时很有用（即可能比 p 值更容易比较）。方差分析表用于评估整体模型。有关这些表的更多信息，请参阅 JMP 的帮助文档： 效应汇总和方差分析。
Logworth 是 p 值以10 为底的对数。对 p 值取对数（以任意底数为底）可使结果置于比 p 值的 0 到 1 范围更有意义的解释范围内。
Rafi 和 Greenland (2020) 建议使用 s 值代替 p 值；s 值是 p 值的以2 为底的对数（因此它与对数值成比例），可以通过类比于抛硬币来解释。
辅助统计科学的语义和认知工具：用兼容性和惊喜取代信心和重要性
Rafi 和 Greenland BMC 医学研究方法论 (2020) 20:244
https://doi.org/10.1186/s12874-020-01105-9
“S 值提供了一个绝对尺度，可以以此来观察
有效 P 值提供的信息，如测量
通过根据物理机制校准观察到的 p
生成具有已知概率的数据。单个
抛硬币产生一个可以编码的二进制结果
1 = 正面，0 = 反面，因此只需要两个符号
或国家记录或存储；因此
单次抛掷称为位（二进制数字的缩写）或香农（shannon）。
描述一系列投掷动作的信息需要
s 位来记录或存储；因此，扩展这个
对于 P 值为 p 的假设 H 进行测量，我们称
测试提供了针对 H 的 s = −log2(p) 位信息。
“我们强调，在没有进一步限制的情况下，我们的校准
抛硬币的 P 值仅仅衡量
与测试假设相反的信息，不支持
的。这一限制纯粹是出于逻辑原因，
没有办法区分背景的无限性
导致测试结果相同或更大的假设
P 值，因此 S 值相同或更小。
除了相对之外，数据无法支持检验假设
一组固定的背景假设。而不是
假设背景假设是理所当然的，我们更倾向于
而是采取反驳的观点，强调
任何支持主张都会因假设而受到削弱
不确定性，因此最好避免。此警告适用于
无论使用什么检验统计量，无论是 P 值、S 值，
贝叶斯因子，或后验概率。
“与 P 值一样，S 值仅指特定
测试特定的背景假设。不同的
基于不同背景假设的测试将
通常会产生不同的 P 值，从而产生不同的 S 值；
因此简单地称 S 值为
“与假设相反的信息由
数据”，因为它总是与假设相结合的检验
假设成立（或以假设为条件）。举个基本例子，
我们可以对比严格零假设的 P 值
（对任何实验单位均无影响）
使用 t 检验比较两个实验组（
以及随机化，假设正态分布
零假设下的响应），P 值从
排列检验（仅假设随机化）。
最后，正如补充材料中所解释的那样，S 值
也可以用其他对数单位来表示，例如
作为自然对数（底数为 e）−ln(p)，从数学上讲
更加方便，但不太容易用物理方式表现出来。”
