关键信息
- 分类
- 数学、日期与金融
- 输入类型
- number, select
- 输出类型
- json
- 样本覆盖
- 4
- 支持 API
- Yes
概览
McNemar 检验计算器是一款专门用于分析配对二分类数据变化的统计工具。它通过比较同一受试对象在干预前后的分类响应（如“是/否”或“通过/失败”），利用精确二项分布或连续性校正卡方检验，帮助研究人员判断观察到的变化是否具有统计学显著性。
适用场景
- •需要评估同一组受试者在接受某种处理或干预前后的二分类状态变化时。
- •比较两种不同的诊断方法或检测工具对同一组样本判定结果的一致性时。
- •当样本量较小，特别是异质对（不一致对）的总数较少，需要使用精确概率法进行推断时。
工作原理
- •输入配对四格表中的四个频数：前是后是、前是后否、前否后是以及前否后否。
- •选择计算方法，对于小样本建议选择“精确二项”，大样本或常规分析可选择“卡方”检验。
- •设置显著性水平（Alpha）和结果保留的小数位数，系统将自动提取异质对进行统计分析。
- •计算得出 P 值并与 Alpha 比较，直接输出是否拒绝原假设的统计结论。
使用场景
医学临床试验中，评估某种药物治疗前后患者症状（如阳性/阴性）的改善情况是否显著。
市场调研中，分析消费者在观看广告前后对特定品牌的购买意向（想买/不想买）是否发生了显著转变。
教育评估中，对比同一批学生在参加针对性辅导班前后的考试合格率变化。
用户案例
1. 药物疗效前后对比分析
临床研究员- 背景原因
- 研究员想测试一种新药是否能显著改变患者的某种病理指标（阳性/阴性）。
- 解决问题
- 收集了 60 名患者的数据，发现 20 人前后均为阳性，3 人由阳转阴，12 人由阴转阳，25 人前后均为阴性。
- 如何使用
- 在输入框分别填入：前是后是=20，前是后否=3，前否后是=12，前否后否=25，方法选择“精确二项”。
- 效果
- 系统计算得出 P 值为 0.0352，小于 0.05，结论为药物干预引起的变化具有统计学显著性。
2. 广告投放效果评估
市场分析师- 背景原因
- 分析师需要评估一支新视频广告是否显著提高了潜在用户的购买意愿。
- 解决问题
- 调查了 100 名用户，其中广告前想买但广告后不想买的有 5 人，广告前不想买但广告后想买的有 15 人。
- 如何使用
- 输入异质对数据（5 和 15），其余一致对数据按实填入，选择“卡方”检验并设定 Alpha 为 0.05。
- 效果
- 系统输出卡方统计量和 P 值，若 P < 0.05 则证明广告产生了显著的正面引导效果。
用 Samples 测试
math-&-numbersBDD with Cucumber - 行为驱动开发实践
全面的 Cucumber BDD 示例，包括功能文件、步骤定义、数据表格、钩子和高级 BDD 模式，用于协作开发
keywords test,data
包含敏感数据的文本示例
包含各种类型敏感数据的文本样本，用于测试数据脱敏（电话、邮箱、身份证、银行卡）
task process
Nginx 日志解析示例
用于测试 log-parser 工具的综合 Nginx 日志样本，包括访问日志和错误日志的各种格式和场景
task process
ELK Stack 日志分析示例
全面的 ELK Stack（Elasticsearch、Logstash、Kibana）示例，用于分布式系统中的日志聚合、处理和可视化
task process
常见问题
McNemar 检验主要用于什么样的数据？
主要用于配对的二分类数据，即对同一组对象在不同时间或不同条件下进行两次观测得到的结果。
什么时候应该选择“精确二项”方法？
当异质对（即“前是后否”与“前否后是”）的总数较少（通常小于 25）时，建议使用精确二项分布以获得更准确的 P 值。
为什么“前是后是”和“前否后否”的数据不影响 P 值？
McNemar 检验只关注发生变化的情况（异质对），一致的结果不提供关于变化方向的信息，因此不进入核心计算。
显著性水平 Alpha 的默认值是多少？
默认值为 0.05，这是统计学中判断结果是否具有显著性差异的常用阈值。
如果 P 值小于 Alpha 意味着什么？
意味着在统计学上拒绝原假设，即认为干预前后的分类分布存在显著差异，变化不是由随机误差引起的。