Fisher精确检验计算器(2×2)

Fisher精确检验计算器(2×2)

增长中 AI Skill PRO

输入计算

数学公式

p=(a+b)!(c+d)!(a+c)!(b+d)!n!a!b!c!d!其中{a=单元格ab=单元格bc=单元格cd=单元格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{单元格a} \\ b &= \text{单元格b} \\ c &= \text{单元格c} \\ d &= \text{单元格d} \\ n &= a + b + c + d \end{aligned} \right. \end{gathered}
显示计算步骤 (1)
  1. 双侧p值

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

    在边际总数相同的所有表格中,概率不大于观测表格的那些表格的概率之和;p_i为每个可能表格的超几何概率

使用统计

广告

结果

双侧p值
0.034965
Fisher精确检验(2×2)
观测表格的概率 0.023601
观测总数(n) 16

报告本页错误

什么是Fisher精确检验?

Fisher精确检验(Fisher's Exact Test)用于判断2×2列联表中的两个分类变量是否存在关联。与卡方检验不同,它计算的是精确p值,而非近似值,因此特别适合小样本数据或单元格期望频数较低的情况。该方法在生物学、医学和社会科学研究中应用广泛。

标注为 a、b、c、d 的单元格及行、列和总计的 2x2 列联表
一个 2x2 列联表,显示四个单元格计数 a、b、c、d 以及行和列的合计。

如何使用本计算器

请输入2×2表格中的四个单元格计数:a和b构成第一行,c和d构成第二行。计算器会算出观测表格的精确超几何概率,以及双侧p值——后者是把所有(行合计与列合计相同的)出现概率不高于观测表格的表格的概率累加而得。

公式解析

在边际合计固定的前提下,任意一个特定表格出现的概率服从超几何分布:

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

其中 \(n = a + b + c + d\)。双侧p值就是把所有边际合计相同、且概率小于或等于观测概率的表格的p值全部加起来:

$$P_{\text{two-sided}} = \sum_{\,p_i \le p_{\text{obs}}} p_i$$
广告
突出显示观测值的表格排列的超几何概率分布
费希尔检验对与观测表同等或更极端的表的超几何概率求和。

实例演算

以表格 \(a = 8\)、\(b = 2\)、\(c = 1\)、\(d = 5\)(\(n = 16\))为例,该确切表格出现的概率约为0.01865。把所有概率相等或更小的表格累加后,得到双侧p值约为0.0349,表明在0.05的显著性水平下,两变量之间存在统计学上的显著关联。

解读你的费舍尔精确检验结果

  • 低于α。如果p值小于或等于你选定的显著性水平(通常为0.05),那么在两个变量独立的情况下,数据出现的可能性就很小,因此你拒绝独立性的原假设。在该示例中,p ≈ 0.035,低于0.05。
  • 高于α。如果p值高于α,则数据与独立性基本一致,你不能拒绝原假设。
  • 是证据,而非效应量。p值衡量的是在独立性假设下该表格有多“出人意料”。它并不衡量关联的强弱或实际重要性。若要了解效应量,应查看优势比(此处为(8 × 5)/(2 × 1) = 20)及其置信区间。样本量较小时,这些估计非常不精确。
  • 单侧与双侧。单侧p值只统计在某一指定方向上与观测表格同样或更极端的表格。例如a ≥ 8,其结果约为0.0245。双侧p值则统计两个方向上的极端表格。双侧检验存在多种定义;本文采用的常见定义是将所有概率不大于观测表格概率的表格相加。方向应在查看数据之前选定。
  • 以边际和为条件。费舍尔检验将行合计和列合计视为固定值,并考察在这些合计约束下计数可能的排列方式。该方法对任何样本量都是精确的,但可能偏保守,即实际错误率可能低于名义α,因为p值只能取离散值。
  • 不显著并不等于“无关联”。较大的p值可能仅仅反映样本量小、检验效能低,并不能证明不存在关联。
  • 多重检验。如果你进行了大量检验,其中一些结果会因偶然因素而低于0.05。应进行校正(例如Bonferroni校正),或报告进行了多少次检验。
广告

费舍尔精确检验的关键术语

2×2列联表
一种按两个二元变量对观测值进行交叉分类的表格,包含四个计数单元格。
单元格计数 a、b、c、d
四个计数:a和b为第一行(左、右),c和d为第二行。它们必须是非负整数,且n = a + b + c + d。
边际合计
行合计(a + b、c + d)和列合计(a + c、b + d)。费舍尔检验将这些合计固定不变。
独立性原假设
假设行变量与列变量无关,等价于总体优势比为1。
超几何分布
在边际合计固定、不放回抽样情况下,计数a的分布:\(P(a)=\dfrac{\binom{a+b}{a}\binom{c+d}{c}}{\binom{n}{a+c}}\)。
p值
在原假设成立的条件下,得到与观测表格同样或更极端的表格的概率。
单侧与双侧
单侧检验在一个预先指定的方向上检验关联;双侧检验则检验任一方向上的关联。
期望单元格计数
在独立性假设下,(行合计 × 列合计)/n。在该示例中,单元格a的期望计数为10 × 9/16 = 5.625。当期望计数较小时(常用经验法则是低于5),通常更倾向使用费舍尔检验。
优势比
(a × d)/(b × c),用于衡量关联强度。值为1表示无关联;若b × c = 0且未经调整,则无定义。
显著性水平(α)
事先选定的拒绝原假设的阈值(通常为0.05),即允许的假阳性最大概率。

常见问题

什么时候该用Fisher检验而不是卡方检验?当样本量较小,或任一单元格的期望频数低于5时,卡方近似不够可靠,此时应选用Fisher精确检验。

双侧p值代表什么?它表示在两变量无关联的假设下,得到一个在任意方向上至少与你的表格同样极端的表格的概率。

这个检验能处理更大的表格吗?本计算器仅支持2×2表格。更大的列联表需要使用推广形式的精确检验方法。

最后更新:

数学和统计热门计算器

查看全部数学和统计计算器