여기에 설명 된 Marascuilo 절차 는 전체 카이-제곱 검정에서 null을 거부 한 후 서로 다른 특정 비율을 테스트하려는 경우 비율에 대한 다중 비교 문제를 해결하는 테스트 인 것 같습니다.
그러나 나는이 테스트에 익숙하지 않습니다. 그래서 내 질문 :
-
이 테스트를 사용할 때 어떤 뉘앙스 (있는 경우)에 대해 걱정해야합니까?
-
나는 같은 문제를 해결하기 위해 적어도 두 가지 다른 접근법 (아래 참조)을 알고 있습니다. ‘더 나은’접근 방법은 무엇입니까? :
-
이 답변 에서 @Brett Magill 이 언급 한 “파티션 된 카이 스퀘어”수행
-
사용하여 A 홀름 – 페로 니 방법 , P 값을 조정.
-
답변
이 방법에 대해 들어 본 적이 없기 때문에 부분 답변입니다. 내가 제공 한 링크에서 읽은 내용에서 너무 보수적 일 수있는 단일 단계 절차 인 것처럼 보입니다 (Bonferroni와 마찬가지로 p 값 대신 테스트 통계를 다시 작성하는 것을 제외하고).
R에는 pairwise.prop.test()다중 비교 (단일 단계 또는 스텝 다운 FWER 방법 또는 FDR 기반)에 대한 수정을 허용 하는 기능 이 있지만 이미 제안한 것을 종료합니다 (Bonferroni는 너무 보수적이지만 여전히 매우 실제로 사용). 순열을 사용한 리샘플링 방식도 흥미로울 수 있습니다. coinR 패키지의 §5보고,이 점에서 잘 확립 된 테스트 프레임 워크를 제공 클래스 순열의 테스트 구현 : 동전 패키지를 ,하지만 난 결코 사후 방법으로 범주 데이터에 대한 순열 테스트를 다루는 없었다.
세분화 된 우발성 테이블의 분석에 대해, 나는 일반적으로 특정 연관성을 추가 가설을 개발하기위한 가이드로 간주하지만 (계획되지 않은 비교와 마찬가지로) 이것은 또 다른 질문입니다. 필자는 일반적으로 Pearson의 잔차 인 Michael Friendly의 mosaicplot과 같은 시각화 도구를 사용 하며, 특정 연관 패턴을 설명하려는 경우 로그 선형 모델을 사용합니다.
답변
Marascuilo 절차가 더 자주 사용되는 것을보고 싶습니다. 나는 종종 사람들이 메인 테이블의 하위 집합, 즉 당시 두 가지 범주에서 카이 제곱을 계산하지만 실제로 파티션을 올바르게 수행하지 않는 것을 보았습니다. 내가 이해하는 한 그들이 이런 식으로하는 이유는 범주를 그룹화 할 수 없기 때문에 해석이 정말로 어려워지기 때문입니다. 하루가 끝날 무렵 그것은 청중뿐만 아니라 그들이 모르는 경우 일반적인 Bonferroni 접근 방식을 추천 할 수도 있습니다.