J'ai un ensemble de données composé d'éléments de trois groupes, appelons-les G1, G2 et G3. J'ai analysé certaines caractéristiques de ces éléments et les ai divisés en 3 types de "comportement" T1, T2 et T3 (j'ai utilisé l'analyse en grappes pour cela).
Donc, maintenant j'ai une table de contingence 3 x 3 comme celle-ci avec les nombres d'éléments dans les trois groupes divisés par type:
| T1 | T2 | T3 |
------+---------+---------+---------+---
G1 | 18 | 15 | 65 |
------+---------+---------+---------+---
G2 | 20 | 10 | 70 |
------+---------+---------+---------+---
G3 | 15 | 55 | 30 |
Maintenant, je peux exécuter un test Fisher sur ces données dans R
data <- matrix(c(18, 20, 15, 15, 10, 55, 65, 70, 30), nrow=3)
fisher.test(data)
et je reçois
Fisher's Exact Test for Count Data
data: data
p-value = 9.028e-13
alternative hypothesis: two.sided
Mes questions sont donc:
est-il correct d'utiliser le test Fisher de cette façon?
comment savoir qui est différent de qui? Existe-t-il un test post-hoc que je peux utiliser? En regardant les données, je dirais que le troisième groupe a un comportement différent des deux premiers, comment puis-je le montrer statistiquement?
quelqu'un m'a indiqué des modèles logit: sont-ils une option viable pour ce type d'analyse?
une autre option pour analyser ce type de données?
Merci beaucoup
Nico
summary(model1)
vous verrez quelque chose commeResidual deviance: -2.7768e-28 on 0 degrees of freedom
Vous pouvez utiliser multinom à partir du package nnet pour la régression multinomiale. Des tests post-hoc, vous pouvez utiliser linearHypothesis à partir du package de voiture. Vous pouvez effectuer un test d'indépendance en utilisant une hypothèse linéaire (test de Wald) ou anova (test LR).
la source