Çoklu Ki-Kare Testleri

11

2 x 2 x 6 tabloda çapraz sınıflandırılmış verilerim var. Let boyutlarını diyoruz response, Ave B. Model ile verilere lojistik regresyon uyduruyorum response ~ A * B. Bu modelin sapma analizi, hem terimlerin hem de etkileşimlerinin önemli olduğunu söylüyor.

Bununla birlikte, verilerin oranlarına bakıldığında, Bbu önemli etkilerden sadece 2 veya daha fazla seviye sorumlu gibi görünüyor . Hangi seviyelerin suçlu olduğunu görmek için test etmek istiyorum. Şu anda benim yaklaşımım, 2 x 2 tablo üzerinde 6 ki kare testi yapmak response ~ Ave daha sonra bu testlerden p değerlerini çoklu karşılaştırmalar için (Holm ayarını kullanarak) ayarlamaktır.

Benim sorum bu soruna daha iyi bir yaklaşım olup olmadığı. Daha prensipli bir modelleme yaklaşımı veya çoklu kare şeklinde test karşılaştırma yaklaşımı var mı?

categorical-data  logistic  multiple-comparisons  chi-squared 
— JoFrhwld
kaynak
Bir keresinde aynı soruyu R posta listesinde sordum ve bir yanıt alamadım. Sorunuz "chi square'in post hoc analizi - öneminin nedenini saptamak" ile ilgili olduğu için başlığınızı değiştirmenizi öneririm (daha kısa başlıklar o zaman önerdiğim daha iyi olurdu :))
— Tal Galili
Suçlularınız için betalara bakın ... Ve bir poisson, log-lineer model kullanın. Daha sonra ki-kare testinin size verdiği ile aynı şeyi alırsınız, ancak tüm farklı testleri bir kerede alırsınız.
— olasılık

Yanıtlar:

11

"Ki-kare bölme" bakmak gerekir. Bu, mantıksal olarak ANOVA'da post-hoc testlerin yapılmasına benzer. Önemli genel testinizin öncelikle belirli kategorilerdeki veya kategori gruplarındaki farklılıklarla ilişkilendirilip ilişkilendirilemeyeceğini belirlemenizi sağlar.

Hızlı bir google sonunda sunumda ki-kare bölümleme yöntemlerini tartıştı.

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

— Brett
kaynak
İlginç. Bunun R uygulamasıyla hiç karşılaştınız mı?
— Tal Galili
Hayır, doğrudan değil. Bununla birlikte, R size bunu yapmak için ihtiyacınız olan her şeyi verecektir - örneğin: gözlenen sayımlar, beklenen değerler ve her hücre için kalıntılar. x <- matris (c (12, 5, 7, 7), ncol = 2) chisq.test (x) gözlemlenen chisq.test (x) $ artıklarexpectedchisq.test(x)
— Brett
Size araştırma işaretini vereceğim çünkü bu araştırma hayatım için faydalı olmalı. Ancak, bu yaklaşım bir ixj matrisi için geçerlidir. Ancak, sorum bir ixjxk matrisi,
— JoFrhwld
2
Ki-kare bölümleme çok yönlü beklenmedik durum tablolarına genişletilebilir. İşte Agresti'nin kitabında alıntı yaptığı makale ... HO Lancaster (1951) Kraliyet İstatistik Topluluğu Dergisi χ2 Bölümüyle Tedavi Edilen Karmaşık Acil Durum Tabloları. Seri B (Metodolojik), Cilt. 13, No. 2
— Brett
1

İlkesiz yaklaşım, orantısız verileri atmak, modeli yeniden yerleştirmek ve yanıt ve A için logit / koşullu olasılık oranlarının çok farklı olup olmadığını görmek (B için kontrol). Bu size endişe kaynağı olup olmadığını söyleyebilir. B seviyelerinin bir araya getirilmesi başka bir yaklaşımdır. Daha ilkeli satırlarda, Simpson'ın paradoksunu tetikleyen göreli oranlardan endişe ediyorsanız, yanıt / A için koşullu ve marjinal oran oranlarına bakabilir ve tersine dönüp dönmediklerini görebilirsiniz.

Özellikle birden fazla karşılaştırmadan kaçınmak için, başıma gelen tek şey, seviyeler arasındaki rastgele etkileri açıklayan hiyerarşik bir model kullanmaktır.

— ars
kaynak
0

Hedeflerinizin tam olarak ne olduğunu veya neden olduklarını tam olarak bilmiyorum. Ancak hipotez testi yerine, genellikle dikkatleri tahminlere ve güven aralıklarına odaklamanızı öneririm.

— Michael Bishop
kaynak
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.