合并路径图：基于似然模型选择的k组自适应融合

有许多统计检验可以验证原假设：关注变量在k组间具有相同的分布。但一旦拒绝原假设，如何呈现组间差异的结构？在本文中，我们介绍合并路径图——一种方法论，以及factorMerger——一个用于探索和可视化k组差异的R包。k组比较是探索性分析中最重要的问题之一，有着无数应用。经典的解决方案是检验一个原假设，即来自所有组的观测来自同一分布。如果全局原假设被拒绝，则进行更详细的组间差异分析。传统方法是使用成对事后检验来验证哪些组显著不同。然而，这种方法在解释和可视化层面随着组数增多而失效。合并路径图方法论通过使用基于似然比检验（LRT）统计量的易于理解的组间差异描述解决了这个问题。