Fisher 精確檢定計算器(2x2 列聯表)

Fisher 精確檢定計算器(2x2 列聯表)

成長中 AI Skill PRO

輸入計算

數學公式

p=(a+b)!(c+d)!(a+c)!(b+d)!n!a!b!c!d!其中{a=細格 ab=細格 bc=細格 cd=細格 dn=a+b+c+d\begin{gathered} p = \dfrac{(a+b)!\,(c+d)!\,(a+c)!\,(b+d)!}{n!\;a!\,b!\,c!\,d!} \\[1.5em] \text{其中}\quad \left\{ \begin{aligned} a &= \text{細格 a} \\ b &= \text{細格 b} \\ c &= \text{細格 c} \\ d &= \text{細格 d} \\ n &= a + b + c + d \end{aligned} \right. \end{gathered}
顯示計算步驟 (1)
  1. 雙尾 p 值

    P雙尾=∑pi≤p觀察piP_{\text{雙尾}} = \sum_{\,p_i \le p_{\text{觀察}}} p_i

    在邊際總數相同的所有表格中,機率不大於觀察表格的那些表格的機率總和;p_i 為每個可能表格的超幾何機率

使用統計

廣告

結果

雙尾 p 值
0.034965
Fisher 精確檢定(2x2)
觀察表格的機率 0.023601
總觀察數(n) 16

回報本頁錯誤

什麼是 Fisher 精確檢定?

Fisher 精確檢定用來判斷 2x2 列聯表中的兩個類別變數是否存在關聯。與卡方檢定不同,它計算的是「精確」p 值,而非近似值,因此特別適用於小樣本,或各細格期望次數偏低的情況。在生物學、醫學與社會科學領域都被廣泛採用。

標註為 a、b、c、d 的儲存格及列、欄和總計的 2x2 列聯表
一個 2x2 列聯表,顯示四個儲存格計數 a、b、c、d 以及列與欄的合計。

如何使用這個計算器

請輸入 2x2 表格的四個細格次數:a 與 b 為第一列,c 與 d 為第二列。計算器會算出觀察到的這張表格的精確超幾何機率,以及雙尾 p 值——也就是把所有(在相同列總和與行總和條件下)出現機率不高於觀察值的表格機率加總起來。

公式說明

在邊際次數固定的前提下,任一特定表格出現的機率服從超幾何分布:

$$ p = \dfrac{(a+b)!\,(c+d)!\,(a+c)!\,(b+d)!}{n!\;a!\,b!\,c!\,d!} $$

其中 \(n = a + b + c + d\)。雙尾 p 值則是把所有具相同邊際次數、且機率小於或等於觀察機率的表格之 p 值全部加總而得。

$$ P_{\text{two-sided}} = \sum_{\,p_i \le p_{\text{obs}}} p_i $$
廣告
突顯觀測值的表格排列的超幾何機率分布
費雪檢定對與觀測表同等或更極端的表的超幾何機率求和。

實例演算

以表格 \(a = 8\)、\(b = 2\)、\(c = 1\)、\(d = 5\)(\(n = 16\))為例,這張表格本身出現的機率約為 \(0.01865\)。將所有機率相等或更低的表格加總後,得到的雙尾 p 值約為 \(0.0349\),代表在 \(0.05\) 顯著水準下,兩變數之間存在統計上顯著的關聯。

解讀你的費雪精確檢定結果

  • 低於 alpha。若 p 值等於或低於你所選的顯著水準(常見為 0.05),在兩變數彼此獨立的情況下,此資料出現的機率會很低,因此你拒絕獨立性的虛無假設。在此範例中,p ≈ 0.035 低於 0.05。
  • 高於 alpha。若 p 值高於 alpha,資料大致與獨立性相符,你就無法拒絕虛無假設。
  • 是證據,不是效應大小。p 值衡量在獨立性假設下,此表格有多麼令人意外。它並不衡量關聯的強度或實際重要性。若要了解效應大小,請查看勝算比(此處為 (8 × 5)/(2 × 1) = 20)及其信賴區間。在樣本數很少時,這些估計值的精確度會非常低。
  • 單尾與雙尾。單尾 p 值只計算在某一個預先選定方向上,與觀察結果同樣極端或更極端的表格(例如 a ≥ 8,此時約為 0.0245)。雙尾 p 值則計算兩個方向上的極端表格。雙尾的定義有好幾種;本文採用的常見定義,是加總所有機率不大於觀察表格機率的表格。方向應在查看資料之前就選定。
  • 以邊際總數為條件。費雪檢定將列與欄的總數視為固定,並探討在這些總數限制下,各個計數可能如何排列。此方法對任何樣本大小都是精確的,但可能偏於保守,意即實際錯誤率可能低於名義上的 alpha,因為 p 值只能取離散的數值。
  • 不顯著不等於「沒有關聯」。較大的 p 值可能只是反映樣本小與檢定力低。它並不能證明不存在任何關聯。
  • 多重檢定。若你進行大量檢定,有些會因偶然而低於 0.05。可加以調整(例如採用 Bonferroni 校正),或報告總共進行了多少次檢定。
廣告

費雪精確檢定的關鍵術語

2×2 列聯表
以兩個二元變數對觀察值進行交叉分類的表格,共有四個計數格。
格計數 a、b、c、d
四個計數:a 與 b 為第一列(左、右),c 與 d 為第二列。它們必須是非負整數,且 n = a + b + c + d。
邊際總數
列和(a + b、c + d)與欄和(a + c、b + d)。費雪檢定會將這些總數視為固定。
獨立性虛無假設
假設列變數與欄變數彼此無關,等同於母體勝算比為 1。
超幾何分配
在邊際總數固定、不放回抽樣時,計數 a 的分配:\(P(a)=\dfrac{\binom{a+b}{a}\binom{c+d}{c}}{\binom{n}{a+c}}\)。
p 值
在虛無假設下,得到與觀察表格同樣極端或更極端表格的機率。
單尾與雙尾
單尾檢定在單一預先指定的方向上檢驗關聯;雙尾檢定則在兩個方向中任一方向檢驗關聯。
期望格計數
在獨立性假設下,為(列總數 × 欄總數)/n。在此範例中,格 a 的期望計數為 10 × 9/16 = 5.625。當期望計數較小時(常用經驗法則為低於 5),通常較偏好使用費雪檢定。
勝算比
(a × d)/(b × c),用以衡量關聯強度。值為 1 表示無關聯;若 b × c = 0 且未經調整,則無定義。
顯著水準(alpha)
事先選定的門檻(常為 0.05),用於拒絕虛無假設;它是可接受的最大偽陽性機率。

常見問題

什麼時候該用 Fisher 檢定而非卡方檢定?當樣本數偏小,或任一細格的期望次數低於 5 時,卡方近似就不可靠,這時應改用 Fisher 精確檢定。

雙尾 p 值代表什麼意思?它指的是在「變數之間沒有關聯」的假設下,得到一張在任一方向上至少與你的表格同樣極端的表格之機率。

這個檢定能處理更大的表格嗎?本計算器僅支援 2x2 表格。更大的列聯表需要使用一般化的精確檢定方法。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器