पायथन में मैकनेमर टेस्ट कैसे करें

मैकनेमर परीक्षण का उपयोग यह निर्धारित करने के लिए किया जाता है कि युग्मित डेटा के बीच अनुपात में सांख्यिकीय रूप से महत्वपूर्ण अंतर है या नहीं।

यह ट्यूटोरियल बताता है कि पायथन में मैकनेमर परीक्षण कैसे करें।

उदाहरण: पायथन में मैकनेमर परीक्षण

मान लीजिए कि शोधकर्ता जानना चाहते हैं कि क्या एक निश्चित मार्केटिंग वीडियो किसी विशेष कानून पर लोगों की राय बदल सकता है। वे यह पता लगाने के लिए 100 लोगों का सर्वेक्षण करते हैं कि वे कानून का समर्थन करते हैं या नहीं। फिर वे सभी 100 लोगों को मार्केटिंग वीडियो दिखाते हैं और वीडियो समाप्त होने के बाद फिर से उनका सर्वेक्षण करते हैं।

निम्न तालिका वीडियो देखने से पहले और बाद में कानून का समर्थन करने वाले लोगों की कुल संख्या दिखाती है:

यह निर्धारित करने के लिए कि क्या वीडियो देखने से पहले और बाद में कानून का समर्थन करने वाले लोगों के अनुपात में सांख्यिकीय रूप से महत्वपूर्ण अंतर था, हम मैकनेमर परीक्षण कर सकते हैं।

चरण 1: डेटा बनाएं.

सबसे पहले, हम अपना डेटा रखने के लिए एक तालिका बनाएंगे:

 data = [[30, 40],
         [12, 18]]

चरण 2: मैकनेमर परीक्षण करें

इसके बाद, हम Python statsmodels लाइब्रेरी से mcnemar() फ़ंक्शन का उपयोग कर सकते हैं, जो निम्नलिखित सिंटैक्स का उपयोग करता है:

मैकनेमर (सरणी, सटीक = सही, सुधार = सही)

सोना:

• तालिका: एक वर्गाकार आकस्मिकता तालिका
• सटीक: यदि सटीक सत्य है, तो द्विपद वितरण का उपयोग किया जाएगा। यदि सही गलत है, तो ची-स्क्वायर वितरण का उपयोग किया जाएगा
• सुधार: यदि सत्य है, तो निरंतरता सुधार का उपयोग किया जाता है। आमतौर पर, यह सुधार आमतौर पर तब लागू किया जाता है जब तालिका कोशिकाओं की संख्या 5 से कम होती है।

निम्नलिखित कोड दिखाता है कि हमारे विशिष्ट उदाहरण में इस फ़ंक्शन का उपयोग कैसे करें:

 from statsmodels.stats.contingency_tables import mcnemar

#McNemar's Test with no continuity correction
print(mcnemar(data, exact=False))

pvalue 0.000181
statistic 14.019

#McNemar's Test with continuity correction
print(mcnemar(data, exact=False, correction=False))

pvalue 0.000103
statistic 15,077

दोनों मामलों में – चाहे निरंतरता सुधार लागू किया गया हो या नहीं – परीक्षण का पी-मूल्य 0.05 से कम है।

इसका मतलब यह है कि दोनों ही मामलों में हम शून्य परिकल्पना को खारिज कर देंगे और निष्कर्ष निकालेंगे कि मार्केटिंग वीडियो देखने से पहले और बाद में कानून का समर्थन करने वाले लोगों का अनुपात सांख्यिकीय रूप से भिन्न था।