Nhiều xét nghiệm Chi-Squared


11

Tôi có dữ liệu được phân loại chéo trong bảng 2 x 2 x 6. Hãy gọi các kích thước response, AB. Tôi phù hợp với một hồi quy logistic cho dữ liệu với mô hình response ~ A * B. Một phân tích về sự sai lệch của mô hình đó nói rằng cả hai thuật ngữ và tương tác của chúng đều có ý nghĩa.

Tuy nhiên, nhìn vào tỷ lệ của dữ liệu, có vẻ như chỉ có 2 mức độ Bchịu trách nhiệm cho những hiệu ứng đáng kể này. Tôi muốn kiểm tra xem mức độ nào là thủ phạm. Ngay bây giờ, cách tiếp cận của tôi là thực hiện 6 phép thử chi bình phương trên 2 x 2 bảng response ~ Avà sau đó điều chỉnh giá trị p từ các phép thử đó để so sánh nhiều lần (sử dụng điều chỉnh Holm).

Câu hỏi của tôi là liệu có một cách tiếp cận tốt hơn cho vấn đề này. Có một cách tiếp cận mô hình nguyên tắc hơn, hoặc phương pháp so sánh thử nghiệm nhiều bình phương?


Tôi đã từng hỏi câu hỏi tương tự trong danh sách gửi thư R và không nhận được phản hồi. Tôi khuyên bạn nên thay đổi tiêu đề của mình vì câu hỏi của bạn liên quan đến "phân tích bài hoc về vuông góc - để phát hiện nguyên nhân của tầm quan trọng" (một tiêu đề ngắn hơn thì tiêu đề tôi đề xuất sẽ tốt hơn :))
Tal Galili

Chỉ cần nhìn vào betas cho thủ phạm của bạn .... Và sử dụng một mô hình log-linear poisson. Sau đó, bạn nhận được điều tương tự như những gì bài kiểm tra chi bình phương mang lại cho bạn, nhưng bạn nhận được tất cả các bài kiểm tra khác nhau cùng một lúc.
xác suất

Câu trả lời:


11

Bạn nên xem xét "phân vùng chi bình phương". Điều này tương tự như logic để thực hiện các bài kiểm tra sau hoc trong ANOVA. Nó sẽ cho phép bạn xác định xem thử nghiệm tổng thể quan trọng của bạn chủ yếu là do sự khác biệt trong các danh mục hoặc nhóm danh mục cụ thể.

Một google nhanh chóng xuất hiện bài thuyết trình này, ở phần cuối thảo luận về các phương pháp phân vùng chi bình phương.

http://www.ed.uiuc.edu/cifts/EdPsy490AT/lectures/2way_chi-ha-online.pdf


Hấp dẫn. Bạn đã bao giờ đi qua một triển khai R của điều này?
Tal Galili

expectedchisq.test(x)

Tôi sẽ đánh dấu cho bạn, vì điều này sẽ hữu ích cho cuộc sống nghiên cứu của tôi. Tuy nhiên, phương pháp này có thể áp dụng cho ma trận ixj. Tuy nhiên, câu hỏi của tôi liên quan đến ma trận ixjxk,
JoFrhwld

2
Phân vùng Chi-vuông có thể mở rộng cho các bảng dự phòng đa chiều. Đây là bài báo mà Agresti trích dẫn trong cuốn sách của mình, trên thực tế ... HO Lancaster (1951) "Các bảng dự phòng phức tạp được xử lý theo phân vùng χ2" của Tạp chí Hiệp hội Thống kê Hoàng gia. Series B (Phương pháp luận), Tập. 13, Số 2
Brett

1

Cách tiếp cận không phù hợp là loại bỏ dữ liệu không cân xứng, chỉnh lại mô hình và xem liệu tỷ lệ tỷ lệ cược logit / điều kiện cho phản ứng và A rất khác nhau (kiểm soát B). Điều này có thể cho bạn biết nếu có lý do cho mối quan tâm. Tập hợp các cấp độ của B là một cách tiếp cận khác. Trên các dòng nguyên tắc hơn, Nếu bạn lo lắng về tỷ lệ tương đối gây ra nghịch lý của Simpson, thì bạn có thể xem xét tỷ lệ tỷ lệ cược có điều kiện và cận biên để trả lời / A và xem liệu chúng có đảo ngược không.

Để tránh nhiều so sánh cụ thể, điều duy nhất xảy ra với tôi là sử dụng mô hình phân cấp chiếm các hiệu ứng ngẫu nhiên giữa các cấp.


0

Tôi không biết chính xác mục tiêu của bạn là gì, hoặc tại sao chúng là những gì chúng là. Nhưng thay vì kiểm tra giả thuyết, tôi thường khuyên bạn nên tập trung chú ý vào các dự đoán và khoảng tin cậy.


0

Bài kiểm tra Hoc có thể phù hợp với vấn đề của bạn. Hàm chisqPostHoc () trong các thử nghiệm R cho sự khác biệt đáng kể giữa tất cả các cặp quần thể trong một thử nghiệm chi bình phương. Mặc dù, tôi không sử dụng nó nhưng liên kết này có thể hữu ích. https://www.rforge.net/doc/packages/NCStats/chisqPostHoc.html

Một lựa chọn khác có thể là hàm chisq.desc () từ gói EnQuireR.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.