Калькулятор критерію Мак-Немара
Введіть кількості парних спостережень у таблиці 2×2, і цей калькулятор виконає критерій Мак-Немара — точний біноміальний або хі-квадрат — порівнюючи парні бінарні результати до і після втручання.
Порівняння парних бінарних результатів до і після
Формула критерію Мак-Немара
Де:
- \(b\) — кількість неузгоджених пар, які змінили результат із позитивного на негативний
- \(c\) — кількість неузгоджених пар, які змінили результат із негативного на позитивний
- \(b + c\) — загальна кількість неузгоджених пар (саме їх використовує критерій)
- \(\chi^2\) — статистика критерію, яку порівнюють із розподілом хі-квадрат з одним ступенем вільності
- \(p\) — двостороннє p-значення точного біноміального варіанта
Критерій перевіряє, чи однаково ймовірні обидва напрями змін. За нульової гіпотези кожна неузгоджена пара з однаковою ймовірністю (1/2) могла перемкнутися в будь-який бік, тому сильний дисбаланс між \(b\) і \(c\) свідчить, що справжня частка позитивних результатів між двома вимірюваннями змінилася.
Критерій Мак-Немара — приклад розрахунку
{example}
Приклад: клініка оцінює програму відмови від куріння. З-поміж 80 учасників 40 курили і до, і після, 30 не курили в жодному з вимірювань, 8 кинули курити (позитивний до, негативний після), а 2 почали курити (негативний до, позитивний після).
Неузгоджені пари: \(n = b + c = 8 + 2 = 10\), отже застосовується точний біноміальний критерій:
\[ p = 2 \cdot P(X \le \min(8, 2)) = 2 \cdot P(X \le 2), \quad X \sim \mathrm{Binomial}(10,\ 0.5) \]
\[ P(X \le 2) = \frac{\binom{10}{0} + \binom{10}{1} + \binom{10}{2}}{2^{10}} = \frac{1 + 10 + 45}{1024} = 0.0547 \]
\[ p = 2 \times 0.0547 = 0.1094 \]
Результат: \(p = 0.1094\). Різниця не є статистично значущою на рівні 5 % — за лише 10 неузгоджених пар дисбаланс 8 проти 2 — це недостатньо вагомий доказ того, що програма змінила статус куріння. (Для порівняння: статистика хі-квадрат із поправкою на неперервність становить \(\chi^2 = (8-2-1)^2/10 = 2.5\), що дає схожий висновок.)
{/example}
Як користуватися калькулятором
- Порахуйте, скільки пар були Позитивний до і після, і введіть це число в перше поле (узгоджені пари).
- Введіть кількість пар, які змінилися з позитивного на негативний, у поле Позитивний до, негативний після — це \(b\).
- Введіть кількість пар, які змінилися з негативного на позитивний, у поле Негативний до, позитивний після — це \(c\).
- Введіть кількість пар, які залишилися негативними, у поле Негативний до і після.
- Оберіть Метод критерію: точний біноміальний критерій рекомендовано, коли загальна кількість неузгоджених пар менша приблизно за 25; асимптотичний критерій хі-квадрат підходить для більших вибірок.
- Якщо ви обрали метод хі-квадрат, вирішіть, чи застосовувати Поправку на неперервність (поправку Едвардса). Її ввімкнено за замовчуванням, і загалом вона рекомендована.
- Прочитайте результати: кількості неузгоджених пар, статистику критерію, двостороннє p-значення та тлумачення простими словами — що ці числа означають для ваших даних.
Що таке критерій Мак-Немара?
Критерій Мак-Немара — це статистичний критерій для порівняння двох часток, виміряних на одних і тих самих об'єктах, тобто для парних даних. Типові застосування — дослідження «до/після» (чи змінилася частка пацієнтів із позитивним результатом після лікування?), дослідження типу «випадок–контроль» із підібраними парами та порівняння двох діагностичних тестів, застосованих до одних і тих самих людей. Щоразу, коли кожен учасник дає два бінарні вимірювання, спостереження утворюють пари, і звичайні критерії для незалежних часток — як-от z-критерій для двох часток або перевірка незалежності за критерієм хі-квадрат — не підходять, бо нехтують парністю даних.
Ключова ідея критерію полягає в тому, що значущими є лише неузгоджені пари. Пара, яка була позитивною в обох вимірюваннях або негативною в обох, нічого не говорить про те, чи змінилася частка, — два спостереження просто взаємно погашаються. Уся інформація про зміну міститься в парах, що перемкнулися: \(b\) пар пішли в один бік, \(c\) — в інший. Якщо нульова гіпотеза (зміни немає) істинна, кожне перемикання з однаковою ймовірністю відбувається в будь-якому напрямку — наче підкидання чесної монети. Тому сильний дисбаланс між \(b\) і \(c\) є аргументом проти нульової гіпотези.
Результатом є двостороннє p-значення. Якщо воно менше за ваш рівень значущості (зазвичай 0,05), ви робите висновок, що частка позитивних результатів між двома вимірюваннями змінилася; напрям зміни показує те, яке зі значень \(b\) чи \(c\) більше. Якщо p-значення велике, дані узгоджуються з відсутністю змін. Незначущий результат за малої кількості неузгоджених пар часто означає лише, що дослідженню бракувало потужності — як у прикладі вище. Щоб оцінити, наскільки сильним є спостережуваний ефект (а не лише те, чи він існує), корисні такі інструменти, як відношення шансів для парних даних.
Припущення, обмеження та практичні поради
- Лише парні дані. Два вимірювання мають стосуватися одного об'єкта або підібраних пар. Для незалежних груп використовуйте натомість z-критерій для двох часток або точний критерій Фішера.
- Незалежність пар. Кожна пара має бути незалежною від інших; кластеризовані дані чи повторні вимірювання це припущення порушують.
- Метод обирайте за кількістю неузгоджених пар. Практичне правило: точний біноміальний критерій — коли \(b + c < 25\), наближення хі-квадрат — коли \(b + c \ge 25\). Точний критерій ніколи не дає хибного результату, його просто важче обчислити вручну.
- Узгоджені пари впливають на потужність, а не на статистику. Дві таблиці з однаковими \(b\) і \(c\) дають ідентичні p-значення незалежно від того, скільки пар збіглося, — але дослідження з більшою кількістю узгоджених пар загалом точніше оцінюють спільні частки.
- Для варіанта з хі-квадрат застосовуйте поправку на неперервність. Поправка Едвардса \((|b-c|-1)^2/(b+c)\) запобігає завищенню статистики за малих значень і наближає результат до точного критерію.
- Двостороннє p-значення не перевіряє напрям. p-значення лише показує, чи відбулася зміна; щоб зрозуміти, куди зсунулася частка, порівняйте \(b\) і \(c\) та перевірте, чи цей напрям відповідає вашій дослідницькій гіпотезі.
Якщо ви не впевнені, як інтерпретувати саме p-значення — що воно означає, а що ні, — калькулятор p-значення висвітлює основи та перетворює статистики критеріїв на p-значення для поширених розподілів.
Часті запитання
Як обчислити критерій Мак-Немара вручну?
Візьміть лише два позадіагональні значення — b і c. Для точного варіанта обчисліть \(p = 2 \cdot P(X \le \min(b, c))\), де \(X\) має біноміальний розподіл із \(n = b + c\) випробуваннями та ймовірністю 0,5. Цю ймовірність можна знайти в таблиці біноміального розподілу або за допомогою функції таблиць на кшталт BINOM.DIST. Для варіанта з хі-квадрат обчисліть \(\chi^2 = (|b - c| - 1)^2 / (b + c)\) і порівняйте його з критичним значенням 3,84 для двостороннього критерію при \(\alpha = 0.05\).
Коли варто використовувати точний біноміальний критерій замість варіанта з хі-квадрат?
Точний біноміальний критерій застосовуйте, коли кількість неузгоджених пар \(b + c\) мала — за звичайним практичним правилом, менше 25. Статистика хі-квадрат лише наближає справжній розподіл, і за малої кількості перемикань це наближення стає ненадійним. Точний критерій коректний завжди, тому в сумніві обирайте його; варіант хі-квадрат має значення переважно для великих вибірок або коли статистику критерію треба подати в певному форматі.
Чому узгоджені пари не впливають на результат?
Це багатьох дивує: пари, які залишилися позитивними або негативними, не містять жодної інформації про зміну, адже обидва вимірювання збігаються. Про рух часток щось кажуть лише перемикання. Саме тому два набори даних з однаковими b і c дають ідентичні p-значення, навіть якщо в одному з них учетверо більше загальних учасників. Узгоджені значення важливі для оцінювання спільних часток і потужності дослідження — але не для самого критерію.
Чим критерій Мак-Немара відрізняється від звичайного критерію хі-квадрат?
Стандартна перевірка незалежності за критерієм хі-квадрат припускає, що два вимірювання походять з окремих, незв'язаних груп. Критерій Мак-Немара призначений для парних даних — одних і тих самих об'єктів, виміряних двічі, підібраних пар або двох тестів, застосованих до одних людей. Застосування критерію хі-квадрат для незалежних вибірок або z-критерію для двох часток до парних даних — поширена помилка, яка зазвичай применшує доказовість, бо ігнорує кореляцію між двома вимірюваннями одного об'єкта.
Чи можна виконати односторонній критерій Мак-Немара?
Так. Калькулятор повертає двостороннє p-значення, перевіряючи, чи відбулася зміна в будь-якому напрямку. Якщо ви заздалегідь сформулювали спрямовану гіпотезу — наприклад, що лікування може лише зменшити частку позитивних результатів, — поділіть двостороннє p-значення навпіл, щоб отримати односторонній результат, за умови що спостережуваний напрям збігається з вашою гіпотезою. Якщо дані пішли в протилежний бік, одностороннє p-значення дорівнює одиниці мінус ця величина. Не переходьте до одностороннього критерію вже після перегляду результатів.
Що буде, якщо неузгоджених пар узагалі немає?
Якщо \(b = c = 0\), кожен учасник дав однаковий результат в обох вимірюваннях, отже дві частки точно рівні й перевіряти нічого — у змістовному сенсі p-значення не визначене. Калькулятор позначить такий випадок окремо. Так само, коли одне зі значень b чи c дорівнює нулю, а інше мале (скажімо, 1 чи 2), точний критерій цілком справляється; не варто додавати штучні значення чи переходити на інший критерій.
Як звітувати про результати або вимірювати величину ефекту?
Зазвичай наводять кількості неузгоджених пар, застосований метод, статистику критерію та p-значення — наприклад: «Точний критерій Мак-Немара, b = 8, c = 2, p = 0,11». Значуще p-значення лише свідчить, що зміна відбулася; щоб описати її величину, використовуйте відношення шансів для парних даних \(b/c\) або наведіть частки до і після разом із довірчим інтервалом для їхньої різниці. Великі дослідження здатні виявляти навіть тривіально малі зміни, тому перевірку значущості завжди доповнюйте мірою величини ефекту.