Просто частичный ответ, потому что я никогда не слышал об этом методе. Судя по тому, что я прочитал в приведенной вами ссылке, это, кажется, одношаговая процедура (во многом как Bonferroni, за исключением того, что мы переделываем статистику теста вместо p-значения), которая, вероятно, будет слишком консервативной.
В R есть функция, pairwise.prop.test()
которая позволяет любую коррекцию для множественных сравнений (одношаговые или пошаговые методы FWER или на основе FDR), но это совсем не то, что вы уже предложили (хотя Бонферрони слишком консервативен, но все же очень используется на практике). Подход пересэмплирования, использующий перестановку, также может быть интересен. В этом отношении coin
пакет R обеспечивает хорошо зарекомендовавшую себя структуру тестирования, см. § 5 « Реализация класса тестов перестановки: пакет монет» , но мне никогда не приходилось иметь дело с перестановочными тестами категориальных данных постфактумным способом.
Что касается анализа разделенных таблиц непредвиденных обстоятельств, я обычно рассматриваю конкретные ассоциации как руководство для разработки дополнительных гипотез (как и для любых незапланированных сравнений), но это другой вопрос. Обычно я просто использую инструменты визуализации, такие как мозаика из Майкла Фрэндли , остатки Пирсона, и если я пытаюсь объяснить конкретные шаблоны ассоциации, я использую логарифмические модели.