Cara melakukan tes mcnemar dengan python

Uji McNemar digunakan untuk menentukan apakah terdapat perbedaan proporsi yang signifikan secara statistik antara data berpasangan.

Tutorial ini menjelaskan cara melakukan tes McNemar dengan Python.

Contoh: tes McNemar dengan Python

Katakanlah peneliti ingin mengetahui apakah video pemasaran tertentu dapat mengubah opini masyarakat terhadap undang-undang tertentu. Mereka mensurvei 100 orang untuk mengetahui apakah mereka mendukung undang-undang tersebut atau tidak. Kemudian mereka menunjukkan video pemasaran tersebut kepada 100 orang dan mensurvei mereka lagi setelah video tersebut selesai.

Tabel berikut menunjukkan jumlah total orang yang mendukung undang-undang tersebut sebelum dan sesudah menonton video tersebut:

Untuk menentukan apakah terdapat perbedaan yang signifikan secara statistik pada proporsi masyarakat yang mendukung hukum sebelum dan sesudah menonton video tersebut, kita dapat melakukan uji McNemar.

Langkah 1: Buat datanya.

Pertama, kita akan membuat tabel untuk menyimpan data kita:

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

Langkah 2: Lakukan tes McNemar

Selanjutnya, kita bisa menggunakan fungsi mcnemar() dari pustaka statsmodels Python, yang menggunakan sintaks berikut:

mcnemar(array, tepat=Benar, koreksi=Benar)

Emas:

• tabel: Tabel kontingensi persegi
• Exact: Jika exact benar, maka distribusi binomial akan digunakan. Jika benar salah, maka yang digunakan adalah distribusi Chi-kuadrat
• koreksi: jika benar, koreksi kontinuitas digunakan. Biasanya, koreksi ini diterapkan ketika jumlah sel tabel kurang dari 5.

Kode berikut menunjukkan cara menggunakan fungsi ini dalam contoh spesifik kami:

 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

Dalam kedua kasus – apakah koreksi kontinuitas diterapkan atau tidak – nilai p pengujian kurang dari 0,05.

Ini berarti bahwa dalam kedua kasus tersebut kami akan menolak hipotesis nol dan menyimpulkan bahwa proporsi orang yang mendukung hukum sebelum dan sesudah menonton video pemasaran berbeda secara statistik.