Calculateur du Test de McNemar

Analysez des données dichotomiques appariées à partir d'un tableau de contingence 2x2 pour déterminer s'il y a un changement significatif.

Entrez les comptages pour les quatre cellules du tableau 2x2 représentant les observations appariées pour calculer la statistique du chi-carré de McNemar et la valeur p.

Exemples

Essayez ces exemples pour voir comment fonctionne le calculateur.

Essai d'Efficacité Médicamenteuse

Étude Médicale

Une étude teste un nouveau médicament. 50 patients qui ont initialement testé positif pour une maladie sont retestés après traitement.

a: 10, b: 35

c: 5, d: 0

Efficacité d'une Campagne Publicitaire

Marketing

Une entreprise enquête auprès de 100 personnes sur la préférence de marque avant et après une campagne publicitaire.

a: 20, b: 10

c: 30, d: 40

Comparaison de Méthodes d'Enseignement

Éducation

Un groupe de 80 étudiants est testé sur un concept, enseigné une nouvelle méthode, puis retesté.

a: 15, b: 5

c: 25, d: 35

Étude Pilote avec Correction de Continuité

Petit Échantillon

Une petite étude pilote avec seulement 20 sujets pour tester une nouvelle intervention.

a: 2, b: 8

c: 1, d: 9

Autres titres
Comprendre le Test de McNemar : Un Guide Complet
Apprenez les principes, l'application et l'interprétation du test du Chi-Carré de McNemar pour des données catégorielles appariées.

Qu'est-ce que le Test de McNemar ?

  • Concept Central
  • Quand l'Utiliser
  • Hypothèses Clés
Le test de McNemar est un test statistique non paramétrique utilisé sur des données nominales appariées. Il évalue la signification de la différence entre deux variables dichotomiques liées. Il est spécifiquement conçu pour les études 'avant-après' ou les designs de paires appariées pour déterminer s'il y a un changement significatif dans la proportion de sujets dans deux catégories.
Concept Central
Le test se concentre sur les paires discordantes dans un tableau de contingence 2x2. Ce sont les paires où le résultat a changé entre la première et la deuxième mesure (ex. de 'positif' à 'négatif' ou vice versa). Les paires concordantes, où le résultat reste le même, ne contribuent pas à la statistique de test. L'hypothèse nulle (H0) du test de McNemar est que les proportions marginales des deux catégories sont égales, ce qui signifie que le nombre de sujets qui sont passés de la catégorie 1 à 2 est égal au nombre qui sont passés de 2 à 1.
Quand l'Utiliser
Utilisez le test de McNemar dans les scénarios suivants : 1. Vous avez des données appariées, telles que des mesures prises sur les mêmes sujets à deux moments différents (ex. pré-test/post-test). 2. La variable dépendante est dichotomique (c'est-à-dire qu'elle n'a que deux catégories, comme oui/non, réussite/échec, positif/négatif). 3. Les deux groupes de votre étude sont liés, pas indépendants. Pour des groupes indépendants, un test du Chi-Carré standard serait plus approprié.
Hypothèses Clés
Les hypothèses principales pour le test de McNemar sont : 1. Les données doivent provenir d'échantillons appariés. 2. Les données sont nominales et dichotomiques. 3. Les paires discordantes (cellules b et c) sont l'objet de l'attention, et la taille de l'échantillon doit être adéquate. Certains statisticiens recommandent que la somme des paires discordantes (b+c) soit d'au moins 10 pour que l'approximation du chi-carré soit valide.

Guide Étape par Étape pour Utiliser le Calculateur du Test de McNemar

  • Saisie des Données
  • Application de la Correction de Continuité
  • Interprétation des Résultats
Ce calculateur simplifie le processus d'effectuation d'un test de McNemar. Suivez ces étapes pour une analyse précise.
Saisie des Données dans le Tableau 2x2
Le calculateur vous demande de remplir les quatre cellules d'un tableau de contingence 2x2, qui représentent l'accord et le désaccord entre deux mesures appariées : Cellule (a) : Comptage des paires qui étaient positives dans les deux mesures. Cellule (b) : Comptage des paires qui étaient positives dans la première mesure mais négatives dans la deuxième. Cellule (c) : Comptage des paires qui étaient négatives dans la première mesure mais positives dans la deuxième. Cellule (d) : Comptage des paires qui étaient négatives dans les deux mesures. Assurez-vous que toutes les valeurs sont des entiers non négatifs.
Application de la Correction de Continuité
Le calculateur inclut une option pour la correction de continuité de Yates. C'est un ajustement effectué lorsque la taille de l'échantillon est petite, spécifiquement lorsque le nombre de paires discordantes (b + c) est inférieur à environ 20. La correction fournit une valeur p plus conservative et souvent plus précise dans ces cas. Cochez la case 'Appliquer la Correction de Continuité' si vos données correspondent à ce critère.
Interprétation des Résultats
Après avoir cliqué sur 'Calculer', l'outil fournit trois sorties clés : 1. Valeur du Chi-Carré (χ²) : C'est la statistique de test. Une valeur plus grande indique une plus grande discordance entre les paires discordantes. 2. Valeur P : Cela vous indique la probabilité d'observer les données (ou des données plus extrêmes) si l'hypothèse nulle était vraie. Une petite valeur p (typiquement < 0,05) suggère que vous pouvez rejeter l'hypothèse nulle. 3. Interprétation : Le calculateur fournit un résumé en langage simple de savoir si le résultat est statistiquement significatif, vous aidant à tirer une conclusion.

Applications Réelles du Test de McNemar

  • Recherche Médicale et Clinique
  • Marketing et Analyse Commerciale
  • Sciences Sociales et Éducation
Le test de McNemar est un outil polyvalent utilisé dans de nombreux domaines pour analyser les changements dans les résultats dichotomiques.
Recherche Médicale et Clinique
Il est fréquemment utilisé pour évaluer l'efficacité d'un traitement médical. Par exemple, les chercheurs pourraient enregistrer si les patients ont un certain symptôme avant et après avoir reçu un médicament. Le test de McNemar peut déterminer si le médicament a significativement changé la présence du symptôme.
Marketing et Analyse Commerciale
En marketing, le test peut mesurer l'impact d'une campagne publicitaire. Une entreprise pourrait enquêter auprès d'un groupe de consommateurs sur leur préférence de marque avant et après la campagne. Le test de McNemar montrerait si la campagne a significativement modifié la préférence de marque.
Sciences Sociales et Éducation
Les éducateurs peuvent l'utiliser pour évaluer l'efficacité d'une nouvelle méthode d'enseignement. Les taux de réussite/échec des étudiants à un test peuvent être comparés avant et après l'implémentation de la nouvelle méthode pour voir si elle a conduit à une amélioration significative des résultats d'apprentissage.