使用匯總數據執行卡方檢驗我從一位從 Minitab 過渡的客戶那裡收到了這個問題。有沒有人遇到過這樣的事情？任何建議表示讚賞。
我遇到的三個挑戰/問題是關於分類數據分析和卡方檢驗。
(1) 我注意到如果我有雙向表，如表 1 所示，除非我創建列格式表（表 2），否則我無法直接將其輸入 JMP。 這似乎有點麻煩，因為從一個轉換到另一個需要相當長的時間……請告知 JMP 中是否有這樣的功能或特性可以幫助解決這個問題：
表格1
表 2
(2) 如果我對上述數據完成卡方檢驗並獲得低於我的 alpha 顯著性水平的 p 值，我如何知道哪些樣本/組與其餘的部分？ 借助 ANOVA，JMP 具有每對學生的 t 檢驗和 Tukey 的 HSD 檢驗來區分每個組/樣本之間的差異。 這是如何使用多個分類數據集完成的？ 例如，Minitab 提供了 p 值以及預期與觀察到的表格/圖表，以便能夠區分各組，如下圖 1：
圖1
(3) 上述挑戰#2 是針對具有 2 個結果的多個分類數據集。 如果我有 3 個或更多結果怎麼辦？ 例如，請參見下面的表 3，其中比較了 5 個組（區域）和 3 個結果（發票錯誤類型）。 Minitab 允許完成關聯的卡方檢驗，並根據下面的圖 2 說明了每組的預期觀察值與實際觀察值的比較。 在 JMP 中如何做到這一點？ 數據是如何輸入到 JMP 數據表中進行分析的？ 我可以像在 Minitab 中那樣使用二維表嗎？
表3
圖 #2
回复：使用匯總數據執行卡方檢驗分類平台在這裡應該會有所幫助。
(1) 用戶可以創建一個新的實際失敗頻率列。 然後在 Categorical 平台中，選擇 Multiple 選項卡並將 False 和 Actual Fail cols 放在一起作為 Response Frequency cols。 在下面，將 LOBP 作為 X，將分組類別和總計作為樣本大小。
(2) 在報表中，選擇Top Red Triangle > Test Response Homogeneity 進行關聯檢驗，然後Compare Each Sample 進行後續的成對檢驗。 我相信即使在測試選項下打開了 FDR，成對測試的 p 值也未校正。 用戶可能需要解釋比較字母的演練。 與 Minitab 輸出中的右上角表格相比，IMO 有點令人困惑（但可能只是我）。
(3) 與 (2) 中相同的多重響應格式在這裡應該再次起作用，只是將所有三個響應列一起作為響應頻率列和一個新的樣本大小總列。 但在示例中，我想知道發票錯誤類型是否互斥，因為如果不是，則 LR 或 Pearson 測試不合適。 可以分別分析這三種錯誤類型，或者也許有人知道適當的替代分析。
