Analyse de contingence à plusieurs niveauxJe suis en train de faire une analyse de contingence / test du chi carré pour l'indépendance sur deux variables catégorielles où et chaque variable a plus de deux niveaux. AFSC a 8 niveaux et Impact est une variable composite (issue de l'enquête) qui est une synthèse de 5 questions différentes à l'échelle de likert (implication étant qu'il a 20 niveaux différents). J'essaie de déterminer quels AFSC affectent Impact. Par défaut, Fit y y X effectue une analyse de contingence avec un tracé en mosaïque et des tests de Chi Square pour LR et Pearson. JMP me dit que oui, AFSC affecte Impact avec des valeurs de p de 0,0012 et 0,0082. C’est bien, mais j’ai besoin de savoir quelles AFSC affectent Impact et quelles sont les directions. Comment puis-je faire cela dans JMP? Est-ce seulement AFSC = 1 qui fait la différence, ou est-ce AFSC = 1, 3 et 5? Comment puis-je déterminer la direction des relations? Cela pourrait être AFSC = 1 conduit à un impact accru et AFSC = 3 conduit à un impact réduit? Existe-t-il un moyen de réaliser facilement cette analyse dans JMP?
Re: analyse de contingence à plusieurs niveauxJ'ai vu dans certains cas des personnes utiliser One way anova tous les jours pour travailler avec une somme ou une moyenne des échelles de Likert. Le test global fournit un niveau de signification, puis plusieurs tests de comparaison évaluent les catégories différentes.
Cependant, un modèle logistique pourrait être plus approprié. Au lieu d'une logistique nominale, puisqu'il s'agit d'une échelle de likert, une logistique ordinale pourrait être préférable.
Vous n'avez pas mentionné la version de JMP que vous utilisez. Après avoir examiné la logistique ordinale dans l'index de script, recherchez l'analyse catégorique.
Exemple de données JMP Detergent.jmp est associé à un script avec le modèle utilisant plusieurs variables x (indépendantes).
