การทดสอบ Chi-Squared หลายรายการ

11

ฉันมีข้อมูลข้ามประเภทในตาราง 2 x 2 x 6 ขอเรียกมิติresponse, และA ฉันพอดีกับการถดถอยโลจิสติกข้อมูลกับรูปแบบB response ~ A * Bการวิเคราะห์ความเบี่ยงเบนของโมเดลนั้นบอกว่าทั้งคำศัพท์และปฏิสัมพันธ์ของพวกมันมีความสำคัญ

อย่างไรก็ตามเมื่อดูสัดส่วนของข้อมูลดูเหมือนว่ามีเพียง 2 หรือมากกว่านั้นBเท่านั้นที่รับผิดชอบต่อผลกระทบที่สำคัญเหล่านี้ ฉันต้องการทดสอบเพื่อดูว่าระดับใดเป็นต้นเหตุ ตอนนี้แนวทางของฉันคือทำการทดสอบแบบไคสแควร์จำนวน 6 ครั้งบนตารางขนาด 2x2 ตารางresponse ~ Aแล้วจึงปรับค่า p จากการทดสอบเหล่านั้นสำหรับการเปรียบเทียบหลาย ๆ แบบ (โดยใช้การปรับแบบโฮล์ม)

คำถามของฉันคือว่ามีวิธีการที่ดีกว่าในการแก้ไขปัญหานี้หรือไม่ มีวิธีการสร้างแบบจำลองหลักการมากขึ้นหรือวิธีการเปรียบเทียบการทดสอบแบบไคสแควร์หลายวิธีหรือไม่

— JoFrhwld
แหล่งที่มา

ฉันเคยถามคำถามเดียวกันในรายการส่งจดหมาย R และไม่ได้รับคำตอบ ฉันขอแนะนำให้คุณเปลี่ยนชื่อของคุณเนื่องจากคำถามของคุณเกี่ยวกับ "การวิเคราะห์โพสต์เฉพาะกิจของไคสแควร์ - เพื่อตรวจหาสาเหตุของความสำคัญ" (ชื่อที่สั้นกว่านั้นคำถามที่ฉันเสนอจะดีกว่า :))

— Tal Galili

เพียงแค่มองไปที่ betas สำหรับผู้กระทำผิดของคุณ .... และใช้แบบจำลองปัวซอง, บันทึกเชิงเส้น จากนั้นคุณจะได้สิ่งเดียวกันกับที่การทดสอบแบบไคสแควร์มอบให้คุณ แต่คุณจะได้รับการทดสอบที่แตกต่างกันทั้งหมดในครั้งเดียว

— ความน่าจะเป็นที่เป็นไปได้

11

คุณควรมองเข้าไปใน "การแบ่ง chi-squared" นี่คือตรรกะในการดำเนินการทดสอบ post-hoc ใน ANOVA จะช่วยให้คุณพิจารณาว่าการทดสอบโดยรวมที่สำคัญของคุณนั้นมีสาเหตุมาจากความแตกต่างในหมวดหมู่เฉพาะหรือกลุ่มหมวดหมู่

google ด่วนเปิดใช้งานนำเสนอนี้ซึ่งในตอนท้ายกล่าวถึงวิธีการแบ่ง Chi-squared

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

— เบร็ท
แหล่งที่มา

น่าสนใจ คุณเคยเจอเรื่องนี้บ้างไหม?

— Tal Galili

ไม่ไม่ได้โดยตรง อย่างไรก็ตาม R จะให้ทุกสิ่งที่คุณต้องการเช่น - จำนวนที่สังเกตค่าที่คาดไว้และค่าส่วนต่าง ๆ ของแต่ละเซลล์ x <- เมทริกซ์ (c (12, 5, 7, 7), ncol = 2) chisq.test (x)สังเกต chisq.test (x) ดอลลาร์เหลือ

e x p e c t e d c h i s q . t e s t (x)

$expected chisq.test(x)$

— Brett

ฉันจะให้เห็บคุณเพราะสิ่งนี้น่าจะมีประโยชน์สำหรับชีวิตการวิจัยของฉัน อย่างไรก็ตามวิธีนี้ใช้ได้กับเมทริกซ์ ixj อย่างไรก็ตามคำถามของฉันเกี่ยวข้องกับเมทริกซ์

— ixjxk

2

การแบ่งพาร์ติชัน Chi-square สามารถขยายไปยังตารางฉุกเฉินได้หลายทาง นี่คือบทความที่ Agresti อ้างถึงในหนังสือของเขาในความเป็นจริง ... HO Lancaster (1951) "ตารางภาระผูกพันที่ซับซ้อนได้รับการปฏิบัติโดย Partition of χ2" วารสารของสมาคมสถิติแห่ง Royal Series B (ระเบียบวิธี), Vol. 13, ฉบับที่ 2

— เบร็ท

1

วิธีการที่ไม่มีหลักการคือการละทิ้งข้อมูลที่ไม่ได้สัดส่วนปรับรูปแบบและดูว่าอัตราส่วนอัตราต่อรอง logit / เงื่อนไขสำหรับการตอบสนองและ A นั้นแตกต่างกันมาก (การควบคุมสำหรับ B) สิ่งนี้อาจบอกคุณได้ว่ามีสาเหตุของความกังวลหรือไม่ การรวมระดับ B เป็นอีกแนวทางหนึ่ง หากคุณมีความกังวลเกี่ยวกับสัดส่วนสัมพัทธ์ที่กระตุ้นให้เกิดความขัดแย้งของซิมป์สันคุณสามารถตรวจดูอัตราส่วนอัตราต่อรองที่มีเงื่อนไขและส่วนเพิ่มสำหรับการตอบสนอง / A และดูว่าพวกมันกลับกันหรือไม่

เพื่อหลีกเลี่ยงการเปรียบเทียบหลาย ๆ อย่างโดยเฉพาะสิ่งเดียวที่เกิดขึ้นกับฉันคือการใช้แบบจำลองลำดับชั้นที่อธิบายถึงเอฟเฟกต์แบบสุ่มข้ามระดับ

— ARS
แหล่งที่มา

0

ฉันไม่รู้ว่าเป้าหมายของคุณคืออะไรหรือทำไมพวกเขาถึงเป็นอย่างนั้น แต่แทนที่จะทดสอบสมมติฐานฉันมักจะแนะนำให้ความสนใจกับการทำนายและช่วงความมั่นใจ

— Michael Bishop
แหล่งที่มา

0

การทดสอบการโพสต์ Hoc อาจเหมาะสมกับปัญหาของคุณ ฟังก์ชัน chisqPostHoc () ในการทดสอบ R สำหรับความแตกต่างอย่างมีนัยสำคัญในกลุ่มประชากรทั้งหมดในการทดสอบไคสแควร์ แม้ว่าฉันจะไม่ได้ใช้ แต่ลิงค์นี้อาจมีประโยชน์ https://www.rforge.net/doc/packages/NCStats/chisqPostHoc.html

ทางเลือกอื่นอาจเป็นฟังก์ชัน chisq.desc () จากแพ็คเกจ EnQuireR

— Dr Nisha Arora
แหล่งที่มา