Mam zestaw danych złożony z elementów z trzech grup, nazwijmy je G1, G2 i G3. Przeanalizowałem niektóre cechy tych elementów i podzieliłem je na 3 rodzaje „zachowania” T1, T2 i T3 (w tym celu wykorzystałem analizę skupień).
Więc teraz mam taką tabelę zdarzeń 3 x 3 z liczbą elementów w trzech grupach podzielonych według typu:
| T1 | T2 | T3 |
------+---------+---------+---------+---
G1 | 18 | 15 | 65 |
------+---------+---------+---------+---
G2 | 20 | 10 | 70 |
------+---------+---------+---------+---
G3 | 15 | 55 | 30 |
Teraz mogę uruchomić test Fishera na tych danych w języku R.
data <- matrix(c(18, 20, 15, 15, 10, 55, 65, 70, 30), nrow=3)
fisher.test(data)
i rozumiem
Fisher's Exact Test for Count Data
data: data
p-value = 9.028e-13
alternative hypothesis: two.sided
Więc moje pytania to:
czy poprawne jest użycie testu Fishera w ten sposób?
skąd mam wiedzieć, kto różni się od kogo? Czy mogę skorzystać z testu post hoc? Patrząc na dane powiedziałbym 3 rd grupa ma inny zachowania od dwóch pierwszych, w jaki sposób pokazują, że statystycznie?
ktoś wskazał mi logować modele: czy są realną opcją dla tego rodzaju analizy?
jakaś inna opcja analizy tego typu danych?
Dziękuję bardzo
Nico
źródło
summary(model1)
, zobaczysz coś w styluResidual deviance: -2.7768e-28 on 0 degrees of freedom
Można użyć multinom z pakietu nnet regresji wielomianowej. W testach post-hoc można zastosować hipotezę liniową z pakietu samochodowego. Test niezależności można przeprowadzić za pomocą hipotezy linearnej (test Walda) lub anova (test LR).
źródło