<\/p>\n
Der McNemar-Test<\/strong> wird verwendet, um festzustellen, ob es einen statistisch signifikanten Unterschied in den Anteilen zwischen gepaarten Daten gibt.<\/span><\/p>\n In diesem Tutorial wird erkl\u00e4rt, wie der McNemar-Test in R durchgef\u00fchrt wird.<\/span><\/p>\n Nehmen wir an, Forscher m\u00f6chten wissen, ob ein bestimmtes Marketingvideo die Meinung der Menschen zu einem bestimmten Gesetz \u00e4ndern kann. Sie befragen 100 Menschen, um herauszufinden, ob sie das Gesetz unterst\u00fctzen oder nicht. Anschlie\u00dfend zeigen sie allen 100 Personen das Marketingvideo und befragen sie nach Fertigstellung des Videos erneut.<\/span><\/p>\n Die folgende Tabelle zeigt die Gesamtzahl der Personen, die das Gesetz vor und nach dem Ansehen des Videos unterst\u00fctzt haben:<\/span><\/p>\n Um festzustellen, ob es einen statistisch signifikanten Unterschied im Anteil der Personen gab, die das Gesetz vor und nach dem Ansehen des Videos bef\u00fcrworteten, k\u00f6nnen wir den McNemar-Test durchf\u00fchren.<\/span><\/p>\n Schritt 1: Erstellen Sie die Daten.<\/strong><\/span><\/p>\n Erstellen Sie zun\u00e4chst den Datensatz in Rasterform.<\/span><\/p>\n Schritt 2: F\u00fchren Sie den McNemar-Test durch.<\/strong><\/span><\/p>\n F\u00fchren Sie als N\u00e4chstes den McNemar-Test mit der folgenden Syntax durch:<\/span><\/p>\n mcnemar.test(x,y=NULL,correct=TRUE)<\/span><\/strong><\/p>\n Gold:<\/span><\/p>\n Im Allgemeinen sollte eine Kontinuit\u00e4tskorrektur angewendet werden, wenn einige Z\u00e4hlwerte in der Tabelle niedrig sind. Normalerweise wird diese Korrektur angewendet, wenn die Anzahl der Zellen weniger als 5 betr\u00e4gt.<\/span><\/p>\n Wir werden den McNemar-Test mit und ohne Kontinuit\u00e4tskorrektur durchf\u00fchren, um die Unterschiede zu veranschaulichen:<\/span><\/p>\n In beiden F\u00e4llen liegt der p-Wert des Tests unter 0,05. Daher w\u00fcrden wir die Nullhypothese ablehnen und zu dem Schluss kommen, dass der Anteil der Personen, die das Gesetz vor und nach dem Ansehen des Marketingvideos bef\u00fcrworteten, statistisch unterschiedlich war.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":" Der McNemar-Test wird verwendet, um festzustellen, ob es einen statistisch signifikanten Unterschied in den Anteilen zwischen gepaarten Daten gibt. In diesem Tutorial wird erkl\u00e4rt, wie der McNemar-Test in R durchgef\u00fchrt wird. Beispiel: McNemar-Test in R Nehmen wir an, Forscher m\u00f6chten wissen, ob ein bestimmtes Marketingvideo die Meinung der Menschen zu einem bestimmten Gesetz \u00e4ndern kann. […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Beispiel: McNemar-Test in R<\/strong><\/span><\/h2>\n
\n\n
\n <\/th>\n Video vor dem Marketing<\/span><\/th>\n<\/tr>\n \n Video nach dem Marketing<\/span><\/td>\n Unterst\u00fctzung<\/strong><\/span><\/td>\n Kann es nicht ertragen<\/strong><\/span><\/td>\n<\/tr>\n \n Unterst\u00fctzung<\/strong><\/span><\/td>\n 30<\/span><\/td>\n 40<\/span><\/td>\n<\/tr>\n \n Kann es nicht ertragen<\/strong><\/span><\/td>\n 12<\/span><\/td>\n 18<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n #create data<\/span>\ndata <- matrix(c(30, 12, 40, 18), nrow = 2,\n dimnames = list(\"After Video\" = c(\"Support\", \"Do Not Support\"),\n \"Before Video\" = c(\"Support\", \"Do Not Support\")))\n\n#view data\n<\/span>data\n\n Before Video\nAfter Video Support Do Not Support\n Bracket 30 40\n Do Not Support 12 18\n<\/strong><\/pre>\n\n
#Perform McNemar's Test with continuity correction<\/span>\nmcnemar.test(data)\n\n\tMcNemar's Chi-squared test with continuity correction\n\ndata:data\nMcNemar's chi-squared = 14.019, df = 1, p-value = 0.000181\n\n#Perform McNemar's Test without continuity correction<\/span>\nmcnemar.test(data, correct=FALSE) \n\n\tMcNemar's Chi-squared test\n\ndata:data\nMcNemar's chi-squared = 15.077, df = 1, p-value = 0.0001032<\/strong><\/pre>\n