亲爱的 JMP 社区，
我们使用 JMP Pro 16.2.0。 我们正在通过互联网进行分类自变量和分类因变量的实验。 关键是如果您有大量参与者来确定频率计数，则卡方将始终达到显着性。 您可以在我包含的 jmp 文件中的虚构数据和包含的日志中的分析中看到这一点。 我将低频乘以 100，您会看到马赛克图看起来完全一样，但在低频条件下它不显着，而在高频条件下它非常显着。 这就是卡方检验的“问题”，它很容易在大样本量下达到显着性（F=test 不太敏感）。
有一些解决方案，有时您可以按比例转换计数并进行 F 检验，但在我们的例子中这是不可能的。 另一种解决方案在本文中：
http://expsylab.psych.uoa.gr/fileadmin/expsylab.psych.uoa.gr/uploads/papers/Bergh_2015.pdf
我的问题是：JMP Pro 是否有针对此问题的任何实现，或者是否有您知道的插件？ 我认为随着通过互联网（例如 Amazon Turk、Qualtrics）处理这些大样本的数据收集程序的可用性变得越来越重要。 特别是在分类数据分析中。 也许在消费者研究中有一个选择，但我还没有发现。
希望问题清楚，
感谢您的见解，
亲切的问候，
雷内
