Что такое точный тест Фишера?
Точный тест Фишера проверяет, связаны ли между собой две категориальные переменные в таблице сопряжённости 2×2. В отличие от критерия хи-квадрат, он вычисляет не приближённое, а точное p-значение, поэтому отлично подходит для малых выборок и таблиц с низкими ожидаемыми частотами в ячейках. Тест широко применяется в биологии, медицине и социальных науках.
Как пользоваться калькулятором
Введите четыре значения ячеек вашей таблицы 2×2: \(a\) и \(b\) образуют первую строку, \(c\) и \(d\) — вторую. Калькулятор рассчитает точную гипергеометрическую вероятность наблюдаемой таблицы и двусторонний p-уровень, который суммирует вероятности всех таблиц (с теми же суммами по строкам и столбцам), вероятность которых не превышает вероятности вашей.
Разбор формулы
При фиксированных маргинальных суммах вероятность любой конкретной таблицы подчиняется гипергеометрическому распределению:
$$p = \dfrac{(a+b)!\,(c+d)!\,(a+c)!\,(b+d)!}{n!\;a!\,b!\,c!\,d!}$$где \(n = a + b + c + d\). Двусторонний p-уровень складывает значения \(p\) по всем таблицам с теми же маргинальными суммами, чья вероятность меньше или равна наблюдаемой.
$$P_{\text{two-sided}} = \sum_{\,p_i \le p_{\text{obs}}} p_i$$
Пример расчёта
Для таблицы \(a = 8\), \(b = 2\), \(c = 1\), \(d = 5\) (\(n = 16\)) вероятность именно этой таблицы составляет примерно \(0{,}01865\). Суммируя все столь же или менее вероятные таблицы, получаем двусторонний p-уровень около \(0{,}0349\) — это указывает на статистически значимую связь на уровне \(0{,}05\).
Частые вопросы
Когда выбирать тест Фишера вместо хи-квадрат? Используйте точный тест Фишера при малых объёмах выборки или когда хотя бы одна ожидаемая частота в ячейке меньше 5 — в таких случаях приближение хи-квадрат ненадёжно.
Что означает двусторонний p-уровень? Это вероятность получить таблицу, как минимум столь же экстремальную, как ваша, в любую из сторон, при условии отсутствия связи между переменными.
Подходит ли тест для таблиц большего размера? Этот калькулятор работает с таблицами 2×2. Для более крупных таблиц сопряжённости нужны обобщённые точные тесты.
Интерпретация результата точного теста Фишера
- Ниже альфа. Если p-значение меньше или равно выбранному уровню значимости (обычно 0,05), данные были бы маловероятны при независимости двух переменных, поэтому нулевая гипотеза о независимости отвергается. В примере p ≈ 0,035, что ниже 0,05.
- Выше альфа. Если p-значение больше альфа, данные в целом согласуются с независимостью, и нулевая гипотеза не отвергается.
- Доказательство, а не размер эффекта. p-значение показывает, насколько необычна таблица при условии независимости. Оно не измеряет силу или практическую важность связи. Для оценки размера эффекта смотрите на отношение шансов (здесь (8 × 5)/(2 × 1) = 20) и его доверительный интервал. При малых выборках такие оценки очень неточны.
- Одностороннее и двустороннее. Одностороннее p-значение учитывает только таблицы, которые так же или более экстремальны в одном выбранном направлении (например, a ≥ 8, что даёт примерно 0,0245). Двустороннее p-значение учитывает экстремальные таблицы в обоих направлениях. Существует несколько определений двустороннего p-значения; общепринятое, используемое здесь, суммирует все таблицы с вероятностью, не превышающей вероятность наблюдаемой таблицы. Направление следует выбирать до анализа данных.
- Условие на маргинальные суммы. Тест Фишера считает суммы по строкам и столбцам фиксированными и выясняет, как могут быть расположены значения внутри них. Это точный метод для любого размера выборки, но он может быть консервативным, то есть фактический уровень ошибки может быть ниже номинальной альфа, поскольку p-значение принимает только дискретные значения.
- Незначимость не означает «отсутствие связи». Большое p-значение может просто отражать малую выборку и низкую мощность теста. Это не доказательство отсутствия связи.
- Множественное тестирование. Если проводится много тестов, некоторые из них по случайности окажутся ниже 0,05. Выполните поправку (например, поправку Бонферрони) или укажите, сколько тестов было проведено.
Ключевые термины теста Фишера
- Таблица сопряжённости 2×2
- Таблица, в которой наблюдения перекрёстно классифицированы по двум бинарным переменным и образуют четыре ячейки с частотами.
- Частоты ячеек a, b, c, d
- Четыре частоты: a и b — первая строка (слева, справа), c и d — вторая строка. Они должны быть неотрицательными целыми числами, и n = a + b + c + d.
- Маргинальные суммы
- Суммы по строкам (a + b, c + d) и по столбцам (a + c, b + d). Тест Фишера считает их фиксированными.
- Нулевая гипотеза о независимости
- Предположение, что переменная строк и переменная столбцов не связаны, что эквивалентно отношению шансов в генеральной совокупности, равному 1.
- Гипергеометрическое распределение
- Распределение числа a при выборке без возвращения с фиксированными маргинальными суммами: \(P(a)=\dfrac{\binom{a+b}{a}\binom{c+d}{c}}{\binom{n}{a+c}}\).
- p-значение
- Вероятность при нулевой гипотезе получить таблицу, не менее экстремальную, чем наблюдаемая.
- Одностороннее и двустороннее
- Одностороннее тестирует связь в одном заранее заданном направлении; двустороннее проверяет связь в любом направлении.
- Ожидаемая частота ячейки
- При независимости (сумма строки × сумма столбца)/n. В примере ожидаемая частота для ячейки a равна 10 × 9/16 = 5,625. Тест Фишера часто предпочтителен, когда ожидаемые частоты малы (распространённое эмпирическое правило — менее 5).
- Отношение шансов
- (a × d)/(b × c), мера силы связи. Значение 1 означает отсутствие связи; без поправки оно не определено, если b × c = 0.
- Уровень значимости (альфа)
- Порог, выбранный заранее (часто 0,05), для отклонения нулевой гипотезы; это максимально допустимая вероятность ложноположительного результата.