成对 2x2 表的 McNemar 检验计算器

成对 2x2 表的 McNemar 检验计算器

新兴 AI Skill PRO

输入计算

数学公式

T1′=(|b:X=0,Y=1−c:X=1,Y=0|−1)2b:X=0,Y=1+c:X=1,Y=0T_1^{\prime}=\frac{(|\text{b:X=0,Y=1}-\text{c:X=1,Y=0}|-1)^2}{\text{b:X=0,Y=1}+\text{c:X=1,Y=0}}
显示计算步骤 (1)
  1. 卡方统计量

    T1=(b:X=0,Y=1−c:X=1,Y=0)2b:X=0,Y=1+c:X=1,Y=0T_1=\frac{(\text{b:X=0,Y=1}-\text{c:X=1,Y=0})^2}{\text{b:X=0,Y=1}+\text{c:X=1,Y=0}}

    当 b+c 大于 20 时使用。

使用统计

广告

结果

决策
拒绝 H0
使用的方法 卡方
卡方(无校正) 11.5600
卡方(校正后) 10.2400
p 值(无校正) 0.000674
p 值(校正后) 0.001374
精确二项 p 值 0.000911
所用 p 值 0.000674
b + c 25

报告本页错误

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。

配对 2x2 表格含 a、b、c、d 四格,突出显示非对角线的 b 和 c 格
McNemar 检验只用不一致的格子 b 和 c;一致的格子 a 和 d 被剔除。

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

$$p=\min\left(1,\;2\sum_{i=0}^{k}\binom{n}{i}\frac{1}{2^n}\right),\quad n=b+c,\;k=\min(b,c)$$
广告
不一致计数 b 和 c 进入卡方曲线,右尾拒绝域以阴影标出
统计量 (b − c)² / (b + c) 与自由度为 1 的卡方分布比较;阴影尾部的值会导致拒绝边际同质性。

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。
二项分布柱状图,两侧尾部被突出显示为精确的双侧 p 值
精确 McNemar p 值把 b 看作 b + c 次中 p = 0.5 的二项计数,并把两侧尾部相加。

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)。

广告

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

资料来源与参考

  • McNemar Test (Dataplot reference manual) — NIST Information Technology Laboratory. Primary NIST documentation; cites Conover (1999) and Fleiss, Levin and Paik (2003). · 生效日期 2023-12-11 · 核实日期 2026-11-04
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