配对数据分析的McNemar检验计算器

McNemar检验是一种用于配对名义数据的非参数统计检验。它用于评估两个相关二项变量之间差异的显著性。该检验专为‘前后对照’或匹配设计而设，以判断两类受试者比例是否有显著变化。

核心概念

该检验关注2x2列联表中的不一致对，即两次测量结果发生变化的配对（如‘阳性’变‘阴性’或反之）。一致对（结果未变）不参与统计量计算。McNemar检验的原假设（H0）为边际比例相等，即从类别1变为2的人数等于从2变为1的人数。

适用场景

在以下情况下使用McNemar检验：1. 您拥有配对数据，如同一受试者在两个时间点的测量（如前测/后测）；2. 因变量为二项型（如是/否、通过/未通过、阳性/阴性）；3. 两组数据相关而非独立。若为独立组，应使用常规卡方检验。

主要假设

McNemar检验的主要假设：1. 数据来自配对样本；2. 数据为名义型且为二项型；3. 关注不一致对（b和c），样本量应足够。有统计学家建议不一致对（b+c）之和至少为10，卡方近似才有效。

本计算器简化了McNemar检验的操作流程。请按以下步骤进行准确分析。

输入2x2表格数据

计算器要求填写2x2列联表的四个单元格，代表两次配对测量的一致与不一致：单元格(a)：两次均为阳性的配对数。单元格(b)：第一次阳性、第二次阴性的配对数。单元格(c)：第一次阴性、第二次阳性的配对数。单元格(d)：两次均为阴性的配对数。所有值须为非负整数。

应用连续性校正

计算器包含Yates连续性校正选项。当样本量较小，尤其是不一致对（b+c）小于20时，建议使用该校正。此调整可在这些情况下提供更保守且更准确的p值。如数据符合条件，请勾选‘应用连续性校正’。

结果解释

点击‘计算’后，工具将输出三项关键结果：1. 卡方(χ²)值：检验统计量，值越大表示不一致对差异越大；2. P值：表示在原假设成立下，观察到当前或更极端数据的概率。P值较小（通常<0.05）可拒绝原假设；3. 解释：计算器将以通俗语言总结结果是否具有统计学意义，帮助您得出结论。

McNemar检验在多个领域广泛用于分析二项结果的变化。

医学与临床研究

常用于评估医疗干预效果。例如，研究人员记录患者在用药前后的某症状有无，McNemar检验可判断药物是否显著改变了症状。

市场营销与商业分析

在市场营销中，可用于衡量广告活动的影响。例如，公司可在广告前后调查消费者品牌偏好，McNemar检验可判断活动是否显著改变了品牌偏好。

社会科学与教育

教育工作者可用其评估新教学方法的效果。可比较学生在新方法实施前后的通过率，判断学习效果是否有显著提升。