McNemar 检验计算器的功能
本计算器对成对的 2x2 计数表应用 McNemar 检验。它检验两个成对的二元测量(例如同一受试者的前后结果,或同一批受试者上的两种诊断测试)是否更多地朝某一个方向变化。只有不一致对(discordant pairs)有意义。计算器会返回有无连续性校正的卡方统计量、对应的 p 值、精确二项 p 值,以及拒绝或不拒绝的决策。
使用方法
按表单顺序输入四个单元格的计数。单元格 a 为 X=0, Y=0,单元格 b 为 X=0, Y=1,单元格 c 为 X=1, Y=0,单元格 d 为 X=1, Y=1。计数必须为非负整数。单元格 a 和 d 是一致对,不影响结果。然后选择双侧显著性水平(0.50、0.20、0.10、0.05 或 0.01),并选择大样本决策使用有连续性校正还是无连续性校正的统计量。当 b + c = 0 时,检验无定义。
公式
对于大样本情形,设 \(b\) 和 \(c\) 为不一致计数:
$$T_1=\frac{(b-c)^2}{b+c}$$$$T_1'=\frac{(|b-c|-1)^2}{b+c}$$\(T_1\) 为未校正统计量,\(T_1'\) 为连续性校正后的统计量。两者都与自由度为 1 的卡方分布进行比较,p 值为
$$p=\operatorname{erfc}\left(\sqrt{\tfrac{T}{2}}\right)$$对于小样本,将 \(T_2=b\) 与二项分布 Binomial(\(b+c\), 0.5) 进行比较,双侧精确 p 值为
$$p=\min\left(1,\;2\sum_{i=0}^{k}\binom{n}{i}\frac{1}{2^n}\right),\quad n=b+c,\;k=\min(b,c)$$
约定与假设
- 单元格布局:行为变量 X,列为变量 Y,因此 b 和 c 为不一致计数。
- 假设:H0 表示 P(X=0,Y=1) = P(X=1,Y=0);备择假设为两者不相等(双侧)。
- 方法切换:若 b + c 大于 20,则使用卡方统计量;若 b + c 为 20 或更小,则使用精确二项方法。原始样本输出中提到 N ≥ 20,但其公式文本写的是 b + c > 20,本计算器遵循后者的阈值。
- 连续性校正:两种统计量均会报告,由选择项决定哪一个用于大样本决策。
- 卡方 p 值:自由度为 1 的卡方分布上尾概率。当 p ≤ alpha 时拒绝 H0。这是一种设计选择,因为原始资料未给出 p 值公式。
- 精确 p 值:二项分布下尾概率的两倍,上限为 1。这同样是一种设计选择。
- 舍入:先用原始值计算;统计量保留 4 位小数显示,p 值保留 6 位小数。
- 当 b = c 时,未校正统计量为 0,p = 1;而校正后的统计量为正数,其 p 值按计算结果报告。
示例
设 a = 63,b = 21,c = 4,d = 12,alpha = 0.05,且不使用连续性校正。不一致总数为 \(b+c=25\),大于 20,因此适用卡方方法。
$$T_1=\frac{(21-4)^2}{25}=11.56$$$$T_1'=\frac{(|21-4|-1)^2}{25}=10.24$$未校正的 p 值为 0.000674,校正后的 p 值为 0.001374。精确二项 p 值为 0.000911,仅供参考。决策使用未校正的 p 值 0.000674,该值不大于 0.05,因此结果为 REJECT(拒绝)。
结果解读与局限性
REJECT(拒绝)决策意味着两类不一致对的出现频率不太可能相等,这表明成对测量之间存在真实的变化。DO_NOT_REJECT(不拒绝)则表示在所选水平下数据未显示此类差异。它并不能证明两者相等。该检验忽略一致对,因此不能说明整体一致性。该检验假设各对相互独立,且每位受试者在二元结局上被测量两次。若不一致对较少,应以精确 p 值为准。卡方 p 值只是一种近似,校正后的统计量更为保守。
常见问题
为什么单元格 a 和 d 不重要?
该检验关注的是由 0 变为 1 的转换与由 1 变为 0 的转换是否同样常见。未发生变化的配对对这一问题没有信息。
何时使用精确检验?
当 b + c 为 20 或更少时使用。对于如此小的总数,卡方近似并不可靠,因此采用二项参考分布。
是否应使用连续性校正?
校正使检验更为保守,对于中等规模的总数通常更受青睐。两种统计量都会显示,便于比较。
如果 b 等于 c 怎么办?
未校正的统计量为 0,p = 1。校正后的统计量仍为正数,其 p 值按计算结果显示。
该检验是单侧还是双侧?
是双侧检验:备择假设为两个不一致概率在任一方向上存在差异。
资料来源
- McNemar 检验(Dataplot 参考手册),美国国家标准与技术研究院(NIST)信息技术实验室,2023