Эта статья может быть слишком технической, чтобы ее могло понять большинство читателей . Ноябрь 2012 г. ) ( Узнайте, как и когда удалить этот шаблон сообщения ) ( |
В статистике , тест McNemar в этом статистический тест , используемый на спаренных номинальных данных . Он применяется к таблицам сопряженности 2 × 2 с дихотомическим признаком, с совпадающими парами субъектов, чтобы определить, равны ли граничные частоты строки и столбца (то есть, есть ли «предельная однородность»). Он назван в честь Куинна Макнемара , который представил его в 1947 году. [1] Применение теста в генетике - это тест на нарушение равновесия передачи для обнаружения неравновесия по сцеплению . [2]Обычно используемые параметры для оценки диагностического теста в медицинских науках - это чувствительность и специфичность. Чувствительность - это способность теста правильно идентифицировать людей с болезнью. Специфичность - это способность теста правильно определять людей, не страдающих заболеванием. Теперь предположим, что на одной и той же группе пациентов проводятся два теста. А также предполагаем, что эти тесты имеют одинаковую чувствительность и специфичность. В этой ситуации можно увлечься этими выводами и предположить, что оба теста эквивалентны. Однако это может быть не так. Для этого мы должны изучить пациентов с болезнью и пациентов без болезни (с помощью эталонного теста). Мы также должны выяснить, где эти два теста не согласуются друг с другом. Это и есть основа теста Макнемара.Этот тест сравнивает чувствительность и специфичность двух диагностических тестов на одной и той же группе пациентов.[3]
Определение [ править ]
Тест применяется к таблице непредвиденных обстоятельств 2 × 2, в которой представлены результаты двух тестов на выборке из N субъектов, как показано ниже.
Тест 2 положительный | Тест 2 отрицательный | Итого по строке | |
Тест 1 положительный | а | б | а + б |
Тест 1 отрицательный | c | d | c + d |
Итого по столбцу | а + с | б + г | N |
Нулевая гипотеза предельных состояний однородности , что две предельные вероятности для каждого результата являются одинаковыми, то есть р + р б = р + р с и р с + р д = р б + р д .
Таким образом, нулевая и альтернативная гипотезы [1]
Здесь p a и т. Д. Обозначают теоретическую вероятность попадания в ячейки с соответствующей меткой.
Статистика теста Макнемара :
При нулевой гипотезе с достаточно большим количеством дискордантов (ячейки b и c) имеет распределение хи-квадрат с 1 степенью свободы . Если результат значительный , это обеспечивает достаточное свидетельство, чтобы отклонить нулевую гипотезу в пользу альтернативной гипотезы, что p b ≠ p c , что будет означать, что предельные пропорции значительно отличаются друг от друга.
Варианты [ править ]
Если либо b, либо c мало ( b + c <25), то оно плохо аппроксимируется распределением хи-квадрат. [ необходима цитата ] Затем можно использовать точный биномиальный тест, где b сравнивается с биномиальным распределением с параметром размера n = b + c и p = 0,5. По сути, точный биномиальный тест оценивает дисбаланс дискордантных b и c . Чтобы получить двустороннее значение P, значение P крайнего хвоста следует умножить на 2. Для b ≥c :
что просто вдвое больше кумулятивной функции распределения биномиального распределения с p = 0,5 и n = b + c .
Эдвардс [4] предложил следующую исправленную версию теста Макнемара для аппроксимации биномиального точного P-значения:
Тест Макнемара среднего значения P (биномиальный критерий среднего значения p) рассчитывается путем вычитания половины вероятности наблюдаемого b из точного одностороннего значения P, затем удваивается, чтобы получить двустороннее среднее значение P: [ 5] [6]
Это эквивалентно:
где второй член представляет собой функцию массы вероятности биномиального распределения и n = b + c . Функции биномиального распределения легко доступны в обычных пакетах программного обеспечения, и тест McNemar mid-P может быть легко рассчитан. [6]
Традиционный совет - использовать точный биномиальный тест, когда b + c <25. Однако моделирование показало, что как точный биномиальный тест, так и тест МакНемара с поправкой на непрерывность являются чрезмерно консервативными. [6] Когда b + c <6, точное значение P всегда превышает общепринятый уровень значимости 0,05. Первоначальный тест Макнемара был наиболее действенным, но часто несколько либеральным. Версия mid-P была почти такой же мощной, как и асимптотический тест Макнемара, и не превышала номинального уровня значимости.
Примеры [ править ]
В первом примере исследователь пытается определить, влияет ли лекарство на конкретное заболевание. Количество людей приведено в таблице, причем диагноз (заболевание: присутствует или отсутствует ) до лечения указан в строках, а диагноз после лечения - в столбцах. Тест требует, чтобы одни и те же испытуемые были включены в измерения до и после (согласованные пары).
После: настоящее | После: отсутствует | Итого по строке | |
Раньше: присутствует | 101 | 121 | 222 |
Раньше: отсутствовал | 59 | 33 | 92 |
Итого по столбцу | 160 | 154 | 314 |
В этом примере нулевая гипотеза «предельной однородности» будет означать, что никакого эффекта от лечения не было. Из приведенных выше данных статистика теста Макнемара:
имеет значение 21,35, что крайне маловероятно, чтобы сформировать распределение, подразумеваемое нулевой гипотезой ( P <0,001). Таким образом, тест предоставляет убедительные доказательства для отклонения нулевой гипотезы об отсутствии эффекта от лечения.
Второй пример иллюстрирует различия между асимптотическим тестом Макнемара и альтернативами. [6] Таблица данных отформатирована, как и раньше, с разными числами в ячейках:
После: настоящее | После: отсутствует | Итого по строке | |
Раньше: присутствует | 59 | 6 | 65 |
Раньше: отсутствовал | 16 | 80 | 96 |
Итого по столбцу | 75 | 86 | 161 |
С этими данными размер выборки (161 пациент) не мал, однако результаты теста Макнемара и других версий отличаются. Точный биномиальный тест дает P = 0,053, а тест Макнемара с поправкой на непрерывность дает = 3,68 и P = 0,055. Асимптотический тест МакНемара дает = 4,55 и P = 0,033, а тест МакНемара со средним значением P дает P = 0,035. Как тест Макнемара, так и версия со средним уровнем P обеспечивают более убедительные доказательства статистически значимого лечебного эффекта во втором примере.
Обсуждение [ править ]
Интересное наблюдение при интерпретации теста Макнемара заключается в том, что элементы главной диагонали не влияют на решение о том, является ли (в приведенном выше примере) более благоприятным состояние до или после лечения. Таким образом, сумма b + c может быть небольшой, а статистическая мощность описанных выше тестов может быть низкой, даже если количество пар a + b + c + d велико (см. Второй пример выше).
Расширение теста Макнемара существует в ситуациях, когда независимость не обязательно сохраняется между парами; вместо этого есть кластеры парных данных, где пары в кластере могут не быть независимыми, но независимость сохраняется между разными кластерами. [7] Примером является анализ эффективности стоматологической процедуры; в этом случае пара соответствует лечению отдельного зуба у пациентов, которым возможно лечение нескольких зубов; Эффективность лечения двух зубов у одного и того же пациента вряд ли будет независимой, но лечение двух зубов у разных пациентов, скорее всего, будет независимым. [8]
Информация в парах [ править ]
В 1970-х годах было высказано предположение, что сохранение миндалин может защитить от лимфомы Ходжкина . Джон Райс писал: [9]
85 Пациенты Ходжкина [...] имели брата или сестру того же пола, который не болел болезнью и чей возраст был в пределах 5 лет от возраста пациента. Эти исследователи представили следующую таблицу:
Они вычислили статистику хи-квадрат [...] [они] допустили ошибку в своем анализе, проигнорировав пары. [...] [их] выборки не были независимыми, потому что братья и сестры были парными [...] мы устанавливаем таблицу, которая показывает пары:
Ко второй таблице можно применить тест Макнемара. Обратите внимание, что сумма чисел во второй таблице равна 85 - количество пар братьев и сестер, тогда как сумма чисел в первой таблице вдвое больше, 170 - количество индивидуумов. Вторая таблица дает больше информации, чем первая. Числа в первой таблице можно найти, используя числа во второй таблице, но не наоборот. Цифры в первой таблице дают только предельные суммы чисел во второй таблице.
Связанные тесты [ править ]
- Тест биномиального знака дает точный тест для теста Макнемара.
- В критерий кохрена является продолжением теста Мак - Немара более двух «лечения».
- В точном тесте Лидделла в является точной альтернативой теста Мака - Немара. [10] [11]
- Тест Стюарта – Максвелла - это другое обобщение теста Макнемара, используемого для проверки предельной однородности в квадратной таблице с более чем двумя строками / столбцами. [12] [13] [14]
- Тест Бхапкара (1966) - более мощная альтернатива тесту Стюарта – Максвелла [15] [16], но имеет тенденцию к либерализации. Существуют конкурентные альтернативы существующим методам. [17]
- Тест Макнемара является частным случаем теста Кокрана – Мантеля – Хензеля ; он эквивалентен тесту CMH с одним слоем для каждой из N пар и таблицей 2x2 в каждом слое, показывающей парные бинарные ответы. [18]
См. Также [ править ]
- Критерий хи-квадрат Пирсона
- Распределение хи-квадрат
Ссылки [ править ]
- ^ a b МакНемар, Куинн (18 июня 1947 г.). «Обратите внимание на ошибку выборки разницы между коррелированными пропорциями или процентами». Психометрика . 12 (2): 153–157. DOI : 10.1007 / BF02295996 . PMID 20254758 .
- ^ Spielman RS; McGinnis RE; Юэнс WJ (март 1993 г.). «Тест на передачу неравновесия по сцеплению: область гена инсулина и инсулинозависимый сахарный диабет (IDDM)» . Am J Hum Genet . 52 (3): 506–16. PMC 1682161 . PMID 8447318 .
- Перейти ↑ Hawass, NE (апрель 1997 г.). «Сравнение чувствительности и специфики двух диагностических процедур, выполненных на одной и той же группе пациентов». Британский журнал радиологии . 70 (832): 360–366. DOI : 10.1259 / bjr.70.832.9166071 . ISSN 0007-1285 . PMID 9166071 .
- Перейти ↑ Edwards, A (1948). «Примечание о« поправке на непрерывность »при проверке значимости разницы между коррелированными пропорциями». Психометрика . 13 (3): 185–187. DOI : 10.1007 / bf02289261 . PMID 18885738 .
- ^ Ланкастер, HO (1961). «Тесты значимости в дискретных распределениях». J Am Stat Assoc . 56 (294): 223–234. DOI : 10.1080 / 01621459.1961.10482105 .
- ^ a b c d Fagerland, МВт; Lydersen, S .; Лааке, П. (2013). «Тест МакНемара для двоичных данных совпадающих пар: среднее значение p и асимптотика лучше, чем точное условное» . BMC Medical Research Methodology . 13 : 91. DOI : 10,1186 / 1471-2288-13-91 . PMC 3716987 . PMID 23848987 .
- ^ Ян, З .; Солнце, X .; Хардин, JW (2010). «Примечание о тестах для кластеризованных двоичных данных согласованных пар». Биометрический журнал . 52 (5): 638–652. DOI : 10.1002 / bimj.201000035 . PMID 20976694 .
- ^ Дуркальский, ВЛ; Палеш, ГГ; Липсиц, SR; Ржавчина, П.Ф. (2003). «Анализ сгруппированных данных согласованных пар» . Статистика в медицине . 22 (15): 2417–28. DOI : 10.1002 / sim.1438 . PMID 12872299 . Архивировано из оригинала на 5 января 2013 года . Проверено 1 апреля 2009 года .
- ^ Райс, Джон (1995). Математическая статистика и анализ данных (второе изд.). Белмонт, Калифорния: Duxbury Press . стр. 492 -494. ISBN 978-0-534-20934-6.
- Перейти ↑ Liddell, D. (1976). «Практические испытания таблиц на случай непредвиденных обстоятельств 2 × 2». Журнал Королевского статистического общества . 25 (4): 295–304. JSTOR 2988087 .
- ^ «Тест Максвелла, тест Макнемара, тест Каппа» . Rimarcik.com . Проверено 22 ноября 2012 .
- ^ Сунь, Сюэчжэн; Ян, Чжао (2008). «Обобщенный тест Макнемара на однородность маржинальных распределений» (PDF) . Глобальный форум SAS .
- ^ Стюарт, Алан (1955). «Тест на однородность маржинальных распределений в двухсторонней классификации». Биометрика . 42 (3/4): 412–416. DOI : 10.1093 / Biomet / 42.3-4.412 . JSTOR 2333387 .
- ^ Максвелл, AE (1970). «Сравнение классификации предметов двумя независимыми судьями». Британский журнал психиатрии . 116 (535): 651–655. DOI : 10.1192 / bjp.116.535.651 . PMID 5452368 .
- ^ "Макнемара Тесты предельной однородности" . John-uebersax.com. 2006-08-30 . Проверено 22 ноября 2012 .
- ^ Bhapkar, В. П. (1966). «Примечание об эквивалентности двух критериев проверки гипотез в категориальных данных». Журнал Американской статистической ассоциации . 61 (313): 228–235. DOI : 10.1080 / 01621459.1966.10502021 . JSTOR 2283057 .
- ^ Ян, З .; Солнце, X .; Хардин, JW (2012). "Проверка предельной однородности политомных данных согласованной пары". Терапевтические инновации и нормативная наука . 46 (4): 434–438. DOI : 10.1177 / 0092861512442021 .
- ^ Агрести, Алан (2002). Категориальный анализ данных (PDF) . Хукен, Нью-Джерси: John Wiley & Sons, Inc., стр. 413. ISBN 978-0-471-36093-3.
Внешние ссылки [ править ]
- Сетка Макнемара 2 × 2 Колледжа Вассара с онлайн-калькулятором
- Макнемара Тесты маргинальной однородности