Liebe JMP-Community,
Wir verwenden JMP Pro 16.2.0. Wir führen ein Experiment mit kategorialen unabhängigen Variablen und kategorialen abhängigen Variablen über das Internet durch. Der Punkt ist, wenn Sie eine große Anzahl von Teilnehmern haben, die die Häufigkeitszählung bestimmen, wird das Chi-Quadrat immer eine Signifikanz erreichen. Das sieht man an den fiktiven Daten in der von mir eingebundenen jmp-Datei und der Analyse im mitgelieferten Journal. Ich habe die Niederfrequenz mit 100 multipliziert und Sie sehen, dass die Mosaikdiagramme genau gleich aussehen, aber im Niederfrequenzzustand nicht signifikant sind, während sie im Hochfrequenzzustand sehr signifikant sind. Das ist das „Problem“ des Chi-Quadrat-Tests, der bei großen Stichprobenumfängen leicht Signifikanz erreicht (F=Test ist weniger sensitiv).
Dafür gibt es Lösungen, manchmal kann man Zählungen in Proportionen umrechnen und einen F-Test durchführen, aber in unserem Fall ist das nicht möglich. Eine andere Lösung ist in diesem Papier:
http://expsylab.psych.uoa.gr/fileadmin/expsylab.psych.uoa.gr/uploads/papers/Bergh_2015.pdf
Meine Frage ist: Hat JMP Pro eine Implementierung für dieses Problem oder gibt es ein Ihnen bekanntes Add-In? Ich denke, mit der Verfügbarkeit von Datenerfassungsprogrammen über das Internet (z. B. Amazon Turk, Qualtrics) wird der Umgang mit diesen großen Stichprobengrößen immer relevanter. Besonders in der kategorialen Datenanalyse. Vielleicht gibt es eine Option in der Verbraucherforschung, aber ich habe sie nicht entdeckt.
Hoffe das Problem ist klar,
Danke für deine Einblicke,
Mit freundlichen Grüße,
Rene
