Analisi di contingenza multi-livelloSto facendo un'analisi di contingenza / test del Chi quadrato per l'indipendenza su due variabili categoriali dove e ogni variabile ha più di due livelli. L'AFSC ha 8 livelli e Impact è una variabile composita (da sondaggio) che è un riassunto di 5 diverse domande su scala likert (implicazione se ha 20 diversi livelli). Sto cercando di determinare se le AFSC influenzano l'impatto. Per impostazione predefinita, Adatta Y e X esegue un'analisi di contingenza con un grafico a mosaico e test Chi quadrato per LR e Pearson. JMP mi dice che sì, AFSC influenza Impact con valori P di 0,0012 e 0,0082. Questo è bello, ma ho bisogno di sapere quali AFSC influenzano l'impatto e quali sono le direzioni. Come faccio a farlo in JMP? Solo AFSC = 1 fa la differenza, o è AFSC = 1, 3 e 5? Come posso determinare la direzione delle relazioni? Potrebbe essere AFSC = 1 porta ad un aumento dell'impatto e AFSC = 3 porta a un impatto ridotto? C'è un modo per fare facilmente questa analisi in JMP?
Ri: analisi di contingenza multi-livelloIn alcuni casi ho visto che le persone usano Anova unidirezionale quando lavorano con una somma o una media di scale Likert. Il test complessivo fornisce un livello di significatività, quindi test di confronto multipli valutano quali categorie sono diverse.
Tuttavia, un modello logistico potrebbe essere più appropriato. Invece della logistica nominale, dal momento che è una scala likert, una logistica ordinale potrebbe essere migliore.
Non hai menzionato quale versione di JMP stai usando. Dopo aver esaminato la logistica ordinale nell'indice Scripting, cercare l'analisi categoriale.
Dati campione JMP Detergent.jmp ha uno script allegato con il modello che utilizza più variabili x (indipendenti).
