codecamp

统计 - McNemar检验

Mc Nemer检验用于两个相关示例,作为先前记录个人的心理状态的情况的一部分,然后在事实处理之后测试情绪进展的本质(如果有的话)。

麦克奈默测试是特别有帮助的,当信息说两个相关的样本的真相。 在大多数情况下,这些信息被用作在监督治疗之前注意到个体的心理状态并且随后在管理治疗之后进行对比和调查的情况的一部分。 可以这样说,利用McNemer测试,我们可以判断在使用表格调节治疗之后个体的风度或假设是否存在任何调整,如下所示:

Do not favour
治疗前 治疗后
厚待
厚待 A B
不喜欢 C D

可以看出,C和B不改变它们的假设,即使在施用治疗之后也单独显示“不喜欢"和“好意"。然而,在治疗之前良好的A在之后表现出“不喜欢"反应 治疗,反之亦然。因此可以说,$ {A + D} $显示个体反应的变化。

McNemar测试的零假设是$ {\\ frac {(A + D)} {2}} $ case在一个方向上改变,相同比例的改变发生在其他方向上。

McNemar检验统计量使用变换的_test模型如下:

$ {x ^ 2 = \\ frac {(| A-D | -1)^ 2} {(A + D)}} $

(自由度= 1)

接受标准:如果计算的值小于表值,则接受零假设。

拒绝标准:如果计算的值大于表值,则拒绝零假设。

插图

在之前和之后的实验中,从300个受试者获得的反应分类如下:

Do not favour
治疗前 治疗后
厚待
厚待 60 = A 90 = B
不喜欢 120 = C 30 = D

以5%的显着性水平进行测试,使用McNemar测试,如果在治疗后人们的意见中存在任何显着差异。

解决方案:

$ {H_o} $:即使在实验后,人们的意见也没有差别。

测试统计量使用以下公式计算:

${x^2 = \frac{(|A-D|-1)^2}{(A+D)}} \\[7pt] \, = \frac{(|60-30|-1)^2}{(60+30)} \\[7pt] \, = 9.34$

1 D.F.的5%显着性水平下的试验值。 是3.84。 由于测试大于表格值,因此拒绝零假设,即人们在治疗后的意见已经改变。


统计 - 排列与更换
统计 - 饼图
温馨提示
下载编程狮App,免费阅读超1000+编程语言教程
取消
确定
目录

Statistics Tutorial

Statistics Useful Resources

关闭

MIP.setData({ 'pageTheme' : getCookie('pageTheme') || {'day':true, 'night':false}, 'pageFontSize' : getCookie('pageFontSize') || 20 }); MIP.watch('pageTheme', function(newValue){ setCookie('pageTheme', JSON.stringify(newValue)) }); MIP.watch('pageFontSize', function(newValue){ setCookie('pageFontSize', newValue) }); function setCookie(name, value){ var days = 1; var exp = new Date(); exp.setTime(exp.getTime() + days*24*60*60*1000); document.cookie = name + '=' + value + ';expires=' + exp.toUTCString(); } function getCookie(name){ var reg = new RegExp('(^| )' + name + '=([^;]*)(;|$)'); return document.cookie.match(reg) ? JSON.parse(document.cookie.match(reg)[2]) : null; }