此处描述的 Marascuilo 过程似乎是一个测试，当您想要在整体卡方检验中拒绝零后测试哪些特定比例彼此不同时，该测试解决了比例的多重比较问题。
但是，我对这个测试不是很熟悉。所以，我的问题：
使用此测试时我应该担心哪些细微差别（如果有）？
我知道至少有两种其他方法（见下文）来解决同样的问题。哪个测试是“更好”的方法？：
执行@Brett Magill在此答案中引用的“分区卡方”
使用Holm-Bonferroni 方法调整 p 值。
有没有人使用 Marascuilo 程序来比较多个比例？
机器算法验证
多重比较
卡方检验
2022-03-30 15:35:33
2个回答
只是部分答案，因为我从未听说过这种方法。从我在您提供的链接中读到的内容来看，这似乎是一个单步过程（很像 Bonferroni，除了我们重做测试统计数据而不是 p 值），这可能过于保守。
在 R 中，有一个函数pairwise.prop.test()允许对多重比较进行任何校正（单步或递减 FWER 方法或基于 FDR），但它已退出您已经建议的内容（尽管 Bonferroni 过于保守，但仍然非常实际使用）。使用排列的重采样方法也可能很有趣。R 包在这coin方面提供了一个完善的测试框架，请参阅实现一个排列测试类的第 5 节：硬币包，但我从来不需要以事后的方式处理分类数据的排列测试。
关于细分列联表的分析，我通常将特定关联视为制定其他假设的指南（对于任何计划外的比较），但这是另一个问题。我通常只使用可视化工具，例如Michael Friendly的马赛克图、皮尔逊残差，如果我试图解释特定的关联模式，我会使用对数线性模型。
我希望看到更频繁地使用 Marascuilo 程序。我经常看到人们在主表的一个子集上计算卡方，即当时的两个类别，但实际上没有正确地进行分区。据我所知，他们这样做的原因是他们无法忍受对类别进行分组，因为这会使解释变得非常困难。归根结底，这也取决于观众，因为如果他们不知道，他们可能会推荐通常的 Bonferroni 方法
其它你可能感兴趣的问题