使用汇总数据执行卡方检验我从一位从 Minitab 过渡的客户那里收到了这个问题。有没有人遇到过这样的事情？任何建议表示赞赏。
我遇到的三个挑战/问题是关于分类数据分析和卡方检验。
(1) 我注意到如果我有双向表，如表 1 所示，除非我创建列格式表（表 2），否则我无法直接将其输入 JMP。 这似乎有点麻烦，因为从一个转换到另一个需要相当长的时间……请告知 JMP 中是否有这样的功能或特性可以帮助解决这个问题：
表格1
表 2
(2) 如果我对上述数据完成卡方检验并获得低于我的 alpha 显着性水平的 p 值，我如何知道哪些样本/组与其余的部分？ 借助 ANOVA，JMP 具有每对学生的 t 检验和 Tukey 的 HSD 检验来区分每个组/样本之间的差异。 这是如何使用多个分类数据集完成的？ 例如，Minitab 提供了 p 值以及预期与观察到的表格/图表，以便能够区分各组，如下图 1：
图1
(3) 上述挑战#2 是针对具有 2 个结果的多个分类数据集。 如果我有 3 个或更多结果怎么办？ 例如，请参见下面的表 3，其中比较了 5 个组（区域）和 3 个结果（发票错误类型）。 Minitab 允许完成关联的卡方检验，并根据下面的图 2 说明了每组的预期观察值与实际观察值的比较。 在 JMP 中如何做到这一点？ 数据是如何输入到 JMP 数据表中进行分析的？ 我可以像在 Minitab 中那样使用二维表吗？
表3
图 #2
回复：使用汇总数据执行卡方检验分类平台在这里应该会有所帮助。
(1) 用户可以创建一个新的实际失败频率列。 然后在 Categorical 平台中，选择 Multiple 选项卡并将 False 和 Actual Fail cols 放在一起作为 Response Frequency cols。 在下面，将 LOBP 作为 X，将分组类别和总计作为样本大小。
(2) 在报表中，选择Top Red Triangle > Test Response Homogeneity 进行关联检验，然后Compare Each Sample 进行后续的成对检验。 我相信即使在测试选项下打开了 FDR，成对测试的 p 值也未校正。 用户可能需要解释比较字母的演练。 与 Minitab 输出中的右上角表格相比，IMO 有点令人困惑（但可能只是我）。
(3) 与 (2) 中相同的多重响应格式在这里应该再次起作用，只是将所有三个响应列一起作为响应频率列和一个新的样本大小总列。 但在示例中，我想知道发票错误类型是否互斥，因为如果不是，则 LR 或 Pearson 测试不合适。 可以分别分析这三种错误类型，或者也许有人知道适当的替代分析。
