Просто часткова відповідь, тому що я ніколи не чув про цей метод. З того, що я прочитав у наданому вами посиланні, це здається одноетапною процедурою (подібно до Bonferroni, за винятком того, що ми переробляємо статистику тестів замість p-значення), яка, ймовірно, занадто консервативна.
У R є функція, pairwise.prop.test()
яка дозволяє проводити будь-яку корекцію для декількох порівнянь (однокрокові або понижуючі методи FWER або на основі FDR), але це виходить з того, що ви вже запропонували (хоча Bonferroni на сьогодні занадто консервативний, але все ще дуже використовується на практиці). Також може бути цікавим підхід перестановки з використанням перестановки. Пакет coin
R надає чітко встановлену рамку тестування в цьому відношенні, див. § 5 Впровадження тесту класу перестановки: Пакет монети , але мені ніколи не доводилося стикатися з перестановковими тестами на категоричні дані пост-хок.
Щодо аналізу підрозділених таблиць на випадок надзвичайних ситуацій, я, як правило, розглядаю конкретні асоціації як керівництво для розробки додаткових гіпотез (як і для будь-яких незапланованих порівнянь), але це вже інше питання. Я, як правило, просто використовую засоби візуалізації, як-от мозаїчна робота від Michael Friendly , залишків Пірсона, і якщо я прагну пояснити конкретні закономірності асоціації, я використовую лінійні лінійні моделі.