McNemar 檢定計算機的功能
本計算機對配對的 2x2 次數表套用 McNemar 檢定。它會檢查兩組配對的二元測量結果(例如同一組受試者的前後結果,或兩種診斷工具的結果)是否朝某一方向變化的頻率高於另一方向。只有不一致的配對才有意義。計算機會回傳含與不含連續性校正的卡方統計量、對應的 p 值、精確二項式 p 值,以及拒絕或不拒絕的判定。
使用方式
請依表單順序輸入四個格子的次數。格子 a 為 X=0, Y=0。格子 b 為 X=0, Y=1。格子 c 為 X=1, Y=0。格子 d 為 X=1, Y=1。次數必須為非負整數。格子 a 與 d 屬於一致的配對,不影響結果。接著選擇雙尾顯著水準(0.50、0.20、0.10、0.05 或 0.01),並選擇大樣本判定要使用含或不含連續性校正的統計量。當 b + c = 0 時,此檢定無定義。
公式
大樣本情況下,\(b\) 與 \(c\) 為不一致的次數:
$$T_1=\frac{(b-c)^2}{b+c}$$$$T_1'=\frac{(|b-c|-1)^2}{b+c}$$\(T_1\) 為未校正的統計量,\(T_1'\) 為連續性校正後的統計量。兩者都與自由度為 1 的卡方分布比較,p 值為
$$p=\operatorname{erfc}\left(\sqrt{\tfrac{T}{2}}\right)$$小樣本情況下,\(T_2=b\) 與 Binomial(\(b+c\), 0.5) 分布比較,雙尾精確 p 值為
$$p=\min\left(1,\;2\sum_{i=0}^{k}\binom{n}{i}\frac{1}{2^n}\right),\quad n=b+c,\;k=\min(b,c)$$
慣例與假設
- 格子配置:列為變數 X,欄為變數 Y,因此 b 與 c 為不一致的次數。
- 假設:H0 為 P(X=0,Y=1) = P(X=1,Y=0);對立假設為兩者不相等(雙尾)。
- 方法切換:若 b + c 大於 20,使用卡方統計量;若 b + c 為 20 或以下,使用精確二項式方法。原始樣本輸出提及 N ≥ 20,但其公式文字寫的是 b + c > 20,本計算機採用後者的門檻。
- 連續性校正:兩種統計量都會報告,由選擇器決定哪一個用於大樣本判定。
- 卡方 p 值:自由度為 1 的卡方分布上尾。當 p ≤ alpha 時拒絕 H0。由於原始資料未提供 p 值公式,此為設計上的選擇。
- 精確 p 值:二項式下尾的兩倍,上限為 1。這同樣是設計上的選擇。
- 捨入:先以原始數值計算;統計量顯示至小數點後 4 位,p 值顯示至小數點後 6 位。
- 當 b = c 時,未校正統計量為 0 且 p = 1,而校正後統計量為正值,其 p 值依計算結果報告。
範例說明
假設 a = 63、b = 21、c = 4、d = 12、alpha = 0.05,且不使用連續性校正。不一致總數為 \(b+c=25\),大於 20,因此適用卡方方法。
$$T_1=\frac{(21-4)^2}{25}=11.56$$$$T_1'=\frac{(|21-4|-1)^2}{25}=10.24$$未校正的 p 值為 0.000674,校正後為 0.001374。精確二項式 p 值為 0.000911,供參考。判定使用未校正的 p 值 0.000674,其不大於 0.05,因此結果為拒絕(REJECT)。
結果解讀與限制
拒絕(REJECT)判定表示兩類不一致配對的次數不太可能相等,這顯示配對測量之間存在真正的變化。不拒絕(DO_NOT_REJECT)表示在所選顯著水準下,資料未顯示此差異,但這並不能證明兩者相等。本檢定忽略一致的配對,因此無法說明整體的一致性。它假設配對彼此獨立,且每位受試者在二元結果上被測量兩次。當不一致配對很少時,應依據精確 p 值判斷。卡方 p 值只是近似值,而校正後的統計量較為保守。
常見問題
為什麼格子 a 與 d 不重要?
此檢定探討由 0 變為 1 的變化是否與由 1 變為 0 的變化一樣常見。未改變的配對對此問題不提供任何資訊。
何時使用精確檢定?
當 b + c 為 20 或以下時。對於如此小的總數,卡方近似不可靠,因此改用二項式參考分布。
是否應使用連續性校正?
校正會使檢定更為保守,對於中等總數通常較受青睞。兩種統計量都會顯示,方便相互比較。
若 b 等於 c 怎麼辦?
未校正統計量為 0,p = 1。校正後的統計量仍為正值,其 p 值依計算結果顯示。
此檢定是單尾還是雙尾?
為雙尾檢定:對立假設為兩個不一致機率在任一方向上不相等。
資料來源
- McNemar Test (Dataplot reference manual),美國國家標準與技術研究院資訊技術實驗室,2023