Kalkulator dokładnego testu Fishera
Wpisz cztery liczebności tabeli kontyngencji 2×2 i otrzymaj dokładną wartość p testu Fishera (dwustronną i jednostronną), a także iloraz szans z próby oraz interpretację na poziomie 0,05.
Test zależności w tablicy 2×2
Wzór dokładnego testu Fishera
Gdzie:
- \(a, b, c, d\) — cztery liczebności w komórkach tabeli 2×2 (\(a\) i \(b\) to pierwszy wiersz, \(c\) i \(d\) — drugi)
- \(r_1 = a+b\) — suma pierwszego wiersza; \(r_2 = c+d\), \(c_1 = a+c\), \(c_2 = b+d\) to pozostałe sumy brzegowe
- \(n = r_1+r_2\) — łączna liczba obserwacji
- \(X\) — wartość komórki \(a\) w losowej tabeli o tych samych ustalonych sumach brzegowych; zmienna ta podlega rozkładowi hipergeometrycznemu
Przy warunkowaniu na zaobserwowanych sumach wierszy i kolumn wzór hipergeometryczny daje dokładnie prawdopodobieństwo każdej możliwej tabeli — nie ma tu żadnego przybliżenia opartego na dużej próbie. Dwustronna wartość p sumuje prawdopodobieństwa wszystkich tabel, które są nie bardziej prawdopodobne niż tabela zaobserwowana (konwencja stosowana przez funkcję fisher.test w R). Jednostronne wartości p to \(p_- = P(X \le a)\) dla ilorazu szans < 1 oraz \(p_+ = P(X \ge a)\) dla ilorazu szans > 1. Iloraz szans z próby wynosi \(OR = (a\,d)/(b\,c)\).
Dokładny test Fishera – przykład obliczenia
Przykład: badanie porównuje dwie grupy po 10 osób każda. W grupie 1 wynik 1 wystąpił u 8 osób, a wynik 2 u 2 osób; w grupie 2 wynik 1 wystąpił u 1 osoby, a wynik 2 u 9 osób. Mamy więc \(a=8\), \(b=2\), \(c=1\), \(d=9\), przy sumach brzegowych \(r_1=r_2=10\), \(c_1=9\), \(c_2=11\), \(n=20\).
\[ P(X=8)=\frac{\binom{9}{8}\binom{11}{2}}{\binom{20}{10}}=\frac{9\cdot 55}{184\,756}=\frac{495}{184\,756}\approx 0.002679 \]
Tabele co najwyżej tak samo prawdopodobne jak zaobserwowana to \(x=0,1,8,9\), o prawdopodobieństwach \(0.0000595,\ 0.002679,\ 0.002679,\ 0.0000595\). Sumując je:
\[ p_{\text{dwustr}}=2\,(0.0000595+0.002679)\approx 0.005477 \]
\[ OR=\frac{a\,d}{b\,c}=\frac{8\cdot 9}{2\cdot 1}=36 \]
Wynik: dwustronna dokładna wartość p ≈ 0,00548, jednostronna p (OR > 1) ≈ 0,00274, jednostronna p (OR < 1) ≈ 0,99994, iloraz szans z próby = 36. Zależność jest istotna statystycznie na poziomie 0,05.
Jak korzystać z kalkulatora
- Wpisz liczebność dla pierwszej grupy i pierwszego wyniku w polu Wynik 1 w wierszu Grupa 1 (wiersz 1) — to komórka \(a\).
- Wpisz liczebność dla pierwszej grupy i drugiego wyniku w polu Wynik 2 w wierszu Grupa 1 (wiersz 1) — to komórka \(b\).
- Wypełnij pola Wynik 1 i Wynik 2 w wierszu Grupa 2 (wiersz 2) — to komórki \(c\) i \(d\).
- Wybierz hipotezę alternatywną: dwustronną dla dowolnej zależności (wybór standardowy) albo jednostronną, jeśli kierunek został ustalony przed zebraniem danych.
- Odczytaj wyniki: dwustronną dokładną wartość p, obie jednostronne wartości p, iloraz szans z próby oraz blok interpretacji, który podaje także najmniejszą oczekiwaną liczebność w komórce i informację, czy przybliżenie chi-kwadrat byłoby dopuszczalne.
Czym jest dokładny test Fishera
Dokładny test Fishera sprawdza, czy dwie zmienne jakościowe — zwykle podział na grupy (badana vs. kontrolna, narażeni vs. nienarażeni) i dychotomiczny wynik — są ze sobą powiązane, na podstawie liczebności w tabeli kontyngencji 2×2. Odpowiada na pytanie: gdyby sumy wierszy i kolumn były ustalone, a obie zmienne były w rzeczywistości niezależne, jak prawdopodobne jest otrzymanie tabeli co najmniej tak skrajnej jak zaobserwowana?
Słowo „dokładny” to kluczowa różnica względem testu chi-kwadrat. Test chi-kwadrat opiera się na przybliżeniu dla dużej próby, które zawodzi, gdy oczekiwane liczebności w komórkach są małe (klasyczna reguła ostrzega już poniżej 5). Test Fishera zamiast tego oblicza prawdopodobieństwa wprost z rozkładu hipergeometrycznego, dzięki czemu wartość p jest ważna przy dowolnej liczebności próby — także w tabelach z bardzo małymi liczebnościami lub zerami w komórkach.
Wartość p to prawdopodobieństwo otrzymania tabeli co najmniej tak skrajnej jak zaobserwowana przy założeniu hipotezy zerowej o braku zależności. Mała wartość p (umownie ≤ 0,05) oznacza, że tak niesymetryczna tabela rzadko powstałaby przez przypadek, więc dane przemawiają za istnieniem zależności. Duża wartość p oznacza, że dane są zgodne z brakiem zależności — a nie to, że hipoteza zerowa została dowiedziona. Aby ocenić nie tylko istotność statystyczną, ale i siłę związku, spójrz na iloraz szans, który ten kalkulator podaje obok wartości p; pełniejsze omówienie znajdziesz w kalkulatorze ilorazu szans i ryzyka względnego.
Wybór hipotezy alternatywnej ma znaczenie. Test dwustronny pyta o zależność w dowolnym kierunku i jest domyślny w większości programów. Test jednostronny ma większą moc przy wykrywaniu efektu w jednym konkretnym kierunku, ale kierunek trzeba ustalić przed obejrzeniem danych — przejście na test jednostronny po zobaczeniu wyniku zawyża odsetek fałszywie dodatnich rezultatów.
Założenia, ograniczenia i praktyczne wskazówki
- Liczebności, nie odsetki. Komórki muszą zawierać surowe liczebności niezależnych obserwacji. Nigdy nie wpisuj częstości, proporcji ani procentów — test byłby wtedy nieważny.
- Niezależne obserwacje. Każdy badany musi trafić dokładnie do jednej komórki. Projekty sparowane (np. pomiar przed i po na tych samych osobach) naruszają to założenie; właściwym rozwiązaniem jest test McNemara.
- Ustalone sumy brzegowe. Dokładna wartość p jest warunkowa względem zaobserwowanych sum wierszy i kolumn. To klasyczne sformułowanie, zgodne z tym, co podają R i większość programów.
- Zerowe komórki. Test radzi sobie z zerami w komórkach bez problemu. Iloraz szans z próby staje się jednak 0 lub nieskończony, gdy \(b\,c = 0\); w takiej sytuacji kalkulator podaje też oszacowanie skorygowane o 0,5: \((a+0.5)(d+0.5)/((b+0.5)(c+0.5))\).
- Istotność to nie wielkość efektu. Bardzo mała wartość p przy dużej próbie może odpowiadać słabej zależności. Zawsze interpretuj wartość p razem z ilorazem szans — a przy raportowaniu wyników rozważ także przedział ufności dla wielkości efektu.
- Kiedy test chi-kwadrat wystarczy. Jeśli wszystkie oczekiwane liczebności w komórkach wynoszą co najmniej 5, oba testy dają zbliżone wyniki, a częstą alternatywą jest chi-kwadrat z poprawką Yatesa na ciągłość. Blok interpretacji podaje najmniejszą oczekiwaną liczebność, więc możesz to ocenić od razu.
- Jeden wymiar tabeli. Ten kalkulator obsługuje wyłącznie tabele 2×2. Większe tabele wymagają uogólnionego testu Fishera–Freemana–Haltona albo dokładnej procedury chi-kwadrat w pakiecie statystycznym.
Krótka ściąga: cztery wartości p, które możesz zobaczyć
| Wielkość | Definicja | Kiedy stosować |
|---|---|---|
| Dwustronna wartość p | Suma prawdopodobieństw wszystkich tabel nie bardziej prawdopodobnych niż zaobserwowana | Wybór domyślny; zależność w dowolnym kierunku |
| Jednostronna wartość p (OR > 1) | \(P(X \ge a)\) | Kierunek (wyższe szanse w grupie 1) ustalony z góry |
| Jednostronna wartość p (OR < 1) | \(P(X \le a)\) | Kierunek (niższe szanse w grupie 1) ustalony z góry |
| Iloraz szans | \((a\,d)/(b\,c)\) | Wielkość efektu, a nie wartość p; interpretuj razem z testem |
Najczęściej zadawane pytania
Kiedy stosować dokładny test Fishera zamiast testu chi-kwadrat?
Sięgaj po dokładny test Fishera zawsze, gdy któraś oczekiwana liczebność w komórce spada poniżej około 5, gdy łączna próba jest mała albo gdy w komórce występuje zero — czyli w sytuacjach, w których przybliżenie chi-kwadrat zawodzi. Przy dużych próbach i wszystkich oczekiwanych liczebnościach od 5 wzwyż oba testy dają bardzo zbliżone wyniki i każdy z nich jest dopuszczalny. Ten kalkulator podaje najmniejszą oczekiwaną liczebność, więc od razu możesz sprawdzić, w której sytuacji jesteś.
Dlaczego różne programy podają różne dwustronne wartości p dla tej samej tabeli?
Istnieje kilka konwencji dwustronnych. Ten kalkulator stosuje najpopularniejszą, zgodną z funkcją fisher.test w R: sumuje prawdopodobieństwa wszystkich tabel nie bardziej prawdopodobnych niż zaobserwowana. Do alternatyw należy podwojenie mniejszej wartości p jednostronnej albo sumowanie tabel, których iloraz szans odbiega od 1 co najmniej tak mocno jak w tabeli zaobserwowanej. Niewielkie różnice liczbowe są normalne i rzadko zmieniają wniosek na poziomie 0,05.
Jak obliczyć dokładny test Fishera ręcznie?
Najpierw oblicz prawdopodobieństwo zaobserwowanej tabeli z rozkładu hipergeometrycznego: \(P = \binom{a+c}{a}\binom{b+d}{b} / \binom{n}{a+b}\), używając silni do współczynników dwumianowych. Następnie wylicz wszystkie możliwe tabele o tych samych sumach wierszy i kolumn, oblicz ich prawdopodobieństwa w ten sam sposób i zsumuj prawdopodobieństwa wszystkich tabel nie bardziej prawdopodobnych niż Twoja — ta suma to dwustronna wartość p. Przy bardzo małych sumach brzegowych da się to zrobić ręcznie; poza tym znacznie bezpieczniejszy jest program.
Co to jest dobra, „normalna” wartość p?
Nie ma „normalnej” wartości p — wszystko zależy od danych. Zgodnie z konwencją p ≤ 0,05 uznaje się za statystycznie istotny dowód zależności, p ≤ 0,01 za dowód silniejszy, a p > 0,05 oznacza, że dane są zgodne z brakiem zależności. Wynik nieistotny statystycznie nie dowodzi braku efektu, zwłaszcza przy małych próbach. Zawsze łącz wartość p z ilorazem szans, aby ocenić siłę zależności.
Czy mogę stosować ten test przy zerowych komórkach lub bardzo małych próbach?
Tak — to właśnie w takich sytuacjach dokładny test sprawdza się najlepiej. Zera w tabeli nie stanowią problemu dla wartości p, bo wzór hipergeometryczny pozostaje ważny. Dotyczy to wyłącznie ilorazu szans z próby: gdy zero wpadnie do iloczynu w mianowniku \(b\,c\), staje się on 0 lub nieskończony i zamiast niego stosuje się oszacowanie skorygowane o 0,5. Nawet tabela z łączną liczbą 4 obserwacji daje ważną dokładną wartość p.
Jakie są najczęstsze błędy przy korzystaniu z tego kalkulatora?
Najpoważniejszy to wpisywanie procentów, proporcji lub częstości zamiast surowych liczebności — test jest ważny wyłącznie dla liczebności całkowitych niezależnych obserwacji. Inne częste błędy to stosowanie go dla danych sparowanych albo pomiarów przed i po na tych samych osobach (tam właściwy jest test McNemara) oraz przechodzenie na test jednostronny po obejrzeniu wyniku, co zawyża odsetek fałszywie dodatnich. Unikaj też przestawiania wierszy i kolumn po fakcie po to, by zmniejszyć wartość p.
Czy dokładny test Fishera jest konserwatywny i czy to ma znaczenie?
Może być nieco konserwatywny, ponieważ wartość p oblicza się przy założeniu, że ustalone są obie sumy brzegowe — wierszy i kolumn — podczas gdy w rzeczywistych badaniach zwykle faktycznie ustalone są tylko sumy wierszy (liczebności grup). Przez to test nieco częściej przeocza prawdziwy efekt, niż sugerowałby nominalny 5-procentowy poziom błędu. Efekt jest zwykle niewielki, a test pozostaje powszechnie akceptowany; mniej konserwatywne, choć mniej standardowe, są alternatywy takie jak dokładne testy Boschloo i Barnarda.