我在具有两个名义变量的数据集上应用了R chi平方检验,即主题类别(SC)和研究机构(RI)。该表看起来像这样
RI1 RI2 RI3 RI4 RI5 RI6 RI7 RI8 RI9 RI10
sc1 4.95 2.97 2.97 5.94 3.96 7.92 25.74 44.55 0.99 0.00
sc2 6.53 3.01 11.55 5.52 5.02 6.03 23.61 38.19 0.00 0.50
sc3 6.12 4.08 10.20 6.12 0.00 2.04 24.48 44.89 0.00 2.04
sc4 10.00 0.00 2.00 8.00 0.00 4.00 32.00 42.00 0.00 2.00
sc5 10.93 3.12 6.25 3.12 1.56 6.25 23.43 42.18 1.56 1.56
sc6 6.10 4.58 12.21 6.87 3.05 4.58 24.42 35.87 1.52 0.76
sc7 11.90 7.14 11.90 7.14 2.38 2.38 33.33 19.04 0.00 4.76
sc8 8.60 3.22 6.98 5.37 3.76 3.76 20.96 43.01 1.61 2.68
sc9 7.27 4.84 13.93 6.06 4.24 2.42 19.39 40.00 1.21 0.60
sc10 3.75 0.00 8.75 7.50 1.25 1.25 33.75 40.00 2.50 1.25
卡方结果如下:
chisq.test(mydata)
Pearson's Chi-squared test
data: mydata
X-squared = 102.51, df = 81, p-value = 0.05357
Warning message:
In chisq.test(mydata) : Chi-squared approximation may be incorrect
我想对p值应用Bonferroni校正。我的假设是,学科类别不会影响研究所的出版物数量。我的问题是,由于我有10个主题类别,我应该将p值除以10吗?...
P.S。我尚未达到15分因此无法创建新标签“Bonferroni correction”
答案 0 :(得分:0)
如果您要在整体Chi Sq测试后进行多次成对比较,您的Bonferroni校正将为.05 /(测试次数)。请参阅有用的参考文献here和here
您可能需要测试所有可能的对,这意味着您要进行超过10次测试。但是,在继续之前,您可能想要考虑其他方法来解决这个问题。
第一步可能是重新评估您的假设。例如。如果您的研究机构拥有不同数量的研究人员,您的分析需要考虑到这一点(可以预期更多的研究人员可以制作更多的出版物,无论主题如何)。当您澄清了研究问题时,您可能想要使用另一种统计方法而不是Chi Sq。有助于在Cross Validated搜索问题/答案。