カテゴリーデータ分析：大規模サンプルサイズ調整のためのカイ二乗検定JMPコミュニティの皆様
JMP Pro 16.2.0を使用しています。インターネット経由で、カテゴリカル独立変数とカテゴリカル従属変数を用いた実験を行っています。ポイントは、頻度数を決定する参加者数が多い場合、カイ二乗検定は常に有意に達するということです。これは、添付したJMPファイルの架空データと、付属のジャーナルの分析結果で確認できます。低頻度に100を掛けると、モザイクグラフは全く同じに見えますが、低頻度条件では有意ではないのに対し、高頻度条件では非常に有意であることがわかります。これがカイ二乗検定の「問題」であり、サンプルサイズが大きいと容易に有意に達します（F=検定は感度が低い）。
これには解決策があります。場合によっては、カウントを割合に変換してF検定を実施できますが、今回のケースではそれは不可能です。別の解決策は、この論文に記載されています。
http://expsylab.psych.uoa.gr/fileadmin/expsylab.psych.uoa.gr/uploads/papers/Bergh_2015.pdf
質問です。JMP Proにはこの問題に対する実装がありますか？あるいは、ご存知のアドインはありますか？インターネット経由でデータ収集プログラム（Amazon Turk、Qualtricsなど）が利用できるようになったことで、このような大規模なサンプルサイズを扱うことがますます重要になっていると思います。特にカテゴリカルデータ分析ではそうです。消費者調査のオプションがあるかもしれませんが、私は見つけていません。
問題が明確になれば幸いです。
ご意見ありがとうございます。
敬具、
ルネ
データの探索と可視化マスカスタマイゼーションRe: カテゴリデータ分析: 大きなサンプルサイズを調整するためのカイ二乗やあ@RveDelft 、
コミュニティへようこそ！
問題を簡単に見て、「関連付けレポートの測定」(赤い三角形をクリックするとアクセス可能) で利用可能な他の分析を確認しようとしましたか? 質問の内容によって異なりますが、他にも多数のオプションがあり、データセットのサイズを既に考慮しているものもあります。アソシエーション レポートの測定 (jmp.com)
一例として、あなたのような公称変数がここに用意されています:関連オプションの測定の例 (jmp.com)どこラムダと不確実性の尺度は、意思決定を支援するために使用されます (一般に、Y からの変動が X からの変動によってどの程度説明できるかを知るため)。
データセットと頻度列を低レベルと高レベルで使用すると、データセットのサイズ/値の頻度に基づいてラムダと不確実性の測定値が変更されていないことがわかります。
FREQLOW 対 FREQHIGH :
私はあなたのトピックと目的を知りませんし、私はこれらの統計テストに関する専門家ではありませんが、このトピックに関する文献はインターネットで見つけることができます.
この最初の回答がお役に立てば幸いです。
Re: カテゴリデータ分析: 大きなサンプルサイズを調整するためのカイ二乗あなたの質問に直接答えるつもりはありません。もっと適切に回答できる人が他にもいるからです。しかし、一般に、ほとんどすべての大規模なデータセットは、ほとんどすべての分析で統計的有意性を示すことになると思います.テストされているnullには関連性がなく、実際には、ほとんど常に関連性があります.したがって、カイ 2 乗検定が大規模なデータ セットで常に有意性を示すという事実に悩まされることはありません。あなたの質問がAmazon Turkなどからの大規模なデータセットの生成に焦点を当てている限り、 より大きな問題は、これらの大きなサンプルサイズは、一般に、調査したい母集団のランダムサンプルと見なすことができないということだと思います.つまり、統計的有意性はランダム サンプリングに依存しており、得られるサンプルは大きいものの、ランダムではない可能性があります。それは、すべてが最終的に統計的有意性を示すという事実よりも懸念されます。
Re: カテゴリデータ分析: 大きなサンプルサイズを調整するためのカイ二乗Ok、
私の質問はカイ二乗についてです。 あなたの発言は、信頼性ではなく、テストの有効性に関連していると思います。 1つ目は、とても重要だと思います。 しかし、ほとんどの場合、有意性適応が勝ちます。 ヌル結果の論文は決して見つかりません。 これは残念です。 私はかつて、完璧な実験計画を持っていたが、重要な効果を見つけられなかった仲間の博士号を持っていました.
これについてさらに詳しく説明します。 少数のサンプルでユーザー調査を行わなければならない私の学生は、それに問題を抱えています., 自問できる簡単な質問が 1 つあります。人が特定のコンテキストで製品を操作すると、問題が発生します。 これは、この問題を抱えている世界で唯一の人でしょうか? おそらくそうではありません。そうでなければ、誰も議論しないと思います。これに関する統計はありません...
私の最初の質問にとどまってください...
有効性の面で別のリンクを作成しても問題ありません。
レネ
Re: カテゴリデータ分析: 大きなサンプルサイズを調整するためのカイ二乗ええと、私はあなたの質問に直接答えるつもりはないと言いました。いずれにせよ、私はそれをもう一度調べましたが、それは私の専門分野ではありませんが、情報を得たいと思う質問があります.これをカイ二乗検定の「問題」と呼んでいます。なぜ問題視されているのか理解できません。テストは本来あるべきことを正確に行っているように思えます。変数 A から変数 B への応答のまったく同じ違いは、サンプルがサイズは 24000 ではなく 240 です。これが「問題」であるコンテキストがわかりません。そして、あなたの学生がしばしば小さなサンプルを持っていることについてさらに説明すると、私はこれが統計操作によって解決できる問題だとは思いません.小さなサンプルは非常にばらつきが大きいため、統計的有意性を見つけることはより困難になるはずです。
これは私の専門分野ではないので、なぜこれが問題視され、どのような「解決策」が求められているのか、その文脈をよりよく理解したいと心から思っています。私の非常に限られた理解から、小さなサンプルケースをより決定的なものにする解決策には非常に疑いがあり、大きなサンプルサイズで統計的有意性についてより高い基準を要求する解決策にもより疑いがあります.この最後の点に関して、NHST に対する私の主な批判の 1 つは、テストされている帰無仮説が事実上決して真ではないということです。関心があるのは、違いの大きさや関係の強さであり、ヌルを拒否できるかどうかではありません。ヌルを拒否できないということは、サンプルサイズに比べてばらつきが大きすぎて何も言えないということです（私の経験から、これは一次データを使用したほとんどの学生調査タイプの研究に当てはまります）。
