複数のカイ2乗検定

2 x 2 x 6の表に分類されたデータがあります。寸法responseをAと呼びましょうB。モデルを使用して、データにロジスティック回帰を適合させますresponse ~ A * B。そのモデルの逸脱の分析は、用語とその相互作用の両方が重要であることを示しています。

ただし、データの比率を見ると、Bこれらの重要な影響の原因となっているのはわずか2レベル程度です。どのレベルが犯人であるかを確認するためにテストしたいと思います。現在、私のアプローチは、2 x 2のテーブルで6つの2乗検定を実行しresponse ~ A、それらの検定からのp値を（ホルム調整を使用して）多重比較のために調整することです。

私の質問は、この問題へのより良いアプローチがあるかどうかです。より原理的なモデリング手法、または複数のカイ二乗検定比較手法はありますか？

「パーティション分割カイ二乗」を調べる必要があります。これは、ANOVAで事後テストを実行する場合とロジックが似ています。これにより、重要な全体的なテストが主に特定のカテゴリまたはカテゴリのグループの違いに起因するかどうかを判断できます。

簡単なグーグルがこのプレゼンテーションを取り上げ、最後にカイ二乗を分割する方法について説明します。

http://www.ed.uiuc.edu/courses/EdPsy490AT/lectures/2way_chi-ha-online.pdf

無理のないアプローチは、不均衡なデータを破棄し、モデルを再フィットして、応答とAのロジット/条件付きオッズ比が非常に異なる（Bを制御する）かどうかを確認することです。これにより、懸念の原因があるかどうかがわかります。Bのレベルをプールすることは、別のアプローチです。より原則的なラインで、シンプソンのパラドックスを誘発する相対的比率が心配な場合は、応答/ Aの条件付きおよび限界オッズ比を調べて、それらが逆転するかどうかを確認できます。

特に複数の比較を避けるために、私に発生する唯一のことは、レベル全体のランダムな効果を説明する階層モデルを使用することです。

私はあなたの目標が何であるか、またはなぜ彼らが何であるのかを正確に知りません。しかし、仮説検定ではなく、通常、予測と信頼区間に注目することをお勧めします。

Post Hocテストは問題に合う場合があります。R検定のchisqPostHoc（）関数は、カイ2乗検定における母集団のすべてのペア間の有意差をテストします。まだ使用していませんが、このリンクが役立つ場合があります。 https://www.rforge.net/doc/packages/NCStats/chisqPostHoc.html

別の方法としては、EnQuireRパッケージのchisq.desc（）関数を使用できます。