麦克内马尔检验计算器

McNemar 检验是一个强大的统计工具，用于评估配对分类数据的差异。无论您是分析医疗治疗的有效性、评估调查回复的变化，还是比较诊断测试，本指南都将提供您充满信心地执行 McNemar 检验所需的一切。

理解 McNemar 检验：为什么它对您的研究至关重要

基本背景

McNemar 检验专为配对的定类数据设计，其中相同的主体被测量两次——通常是在干预前后或在两种不同的条件下。它评估两组相关组之间的结果比例是否存在显著差异。

主要应用包括：

• 医学研究：比较对同一患者的诊断准确性或治疗效果。
• 心理学：评估行为或态度随时间的变化。
• 社会科学：分析公众舆论或政策影响的转变。

McNemar 检验使用 2×2 列联表来总结观察到的结果之间的差异。卡方统计量量化这些差异，使研究人员能够确定统计显著性。

公式分解：简化复杂计算

McNemar 检验公式很简单：

\[ X^2 = \frac{(B - C)^2}{B + C} \]

其中：

• \(B\) 和 \(C\) 代表列联表中的不一致配对：
  • \(B\)：从“否”变为“是”的主体。
  • \(C\)：从“是”变为“否”的主体。

该公式比较了一个方向与另一个方向的变化频率，有助于识别有意义的趋势。

自由度： McNemar 检验具有 1 个自由度，因为它评估配对变量之间的单一关系。

实践示例：应用 McNemar 检验

场景

一项研究调查了一种新的教学方法是否能提高学生对统计学的理解。研究人员对 100 名学生进行前测和后测，记录他们的通过/失败结果。

这里：

• \(B = 20\)（最初失败但后来通过的学生）
• \(C = 10\)（最初通过但后来失败的学生）

步骤

1. 将值代入公式： \[ X^2 = \frac{(20 - 10)^2}{20 + 10} = \frac{100}{30} = 3.33 \]
2. 将 \(X^2\) 与卡方分布的临界值进行比较（\(\alpha = 0.05\)，df = 1）：
   • 临界值 ≈ 3.84
3. 结论：由于 \(3.33 < 3.84\)，因此该变化在 0.05 水平上不具有统计显著性。

实际影响： 根据本样本，新的教学方法并未在学生表现上产生显著的提高。

常见问题：解答常见问题

问题 1：McNemar 检验的假设有哪些？

• 配对观察：必须对同一主体进行两次测量。
• 二元结果：回复必须属于两个类别（例如，成功/失败）。
• 配对内独立性：每个主体的回复不应影响其他主体的回复。

问题 2：McNemar 检验可以处理大样本量吗？

可以，但对于非常大的样本，即使是很小的差异也可能变得具有统计显著性。始终在上下文中解释结果。

问题 3：如果 B + C = 0 怎么办？

如果没有不一致的配对（\(B = 0\) 且 \(C = 0\)），则无法应用 McNemar 检验，因为除以零是未定义的。在这种情况下，请考虑使用 Fisher 精确检验等替代检验。

关键术语词汇表

• 列联表： 以表格形式表示的分类数据，显示结果组合的频率。
• 不一致配对： 个体在测量之间更改类别的情况。
• 配对数据： 从不同条件下同一主体获得的观察结果。
• 统计显著性： 观察到的差异并非由随机机会引起的可能性。

关于 McNemar 检验的有趣事实

1. 历史渊源： 以心理学家奎因·麦克内马尔 (Quinn McNemar) 的名字命名，他于 1947 年引入该检验来分析心理评估的变化。

2. 多功能性： 虽然最初设计用于二元结果，但 McNemar 检验可以使用 Cochran 的 Q 检验扩展到多项数据。

3. 现实世界的影响： 广泛应用于临床试验、教育研究和市场调研中，以衡量干预或活动的效果。