Come eseguire il test mcnemar in python

Il test McNemar viene utilizzato per determinare se esiste una differenza statisticamente significativa nelle proporzioni tra i dati accoppiati.

Questo tutorial spiega come eseguire il test McNemar in Python.

Esempio: il test McNemar in Python

Supponiamo che i ricercatori vogliano sapere se un determinato video di marketing può cambiare le opinioni delle persone su una particolare legge. Intervistano 100 persone per scoprire se sostengono o meno la legge. Quindi mostrano il video di marketing a tutte le 100 persone e le esaminano nuovamente al termine del video.

La tabella seguente mostra il numero totale di persone che hanno sostenuto la legge prima e dopo aver visto il video:

Per determinare se ci fosse una differenza statisticamente significativa nella percentuale di persone che sostenevano la legge prima e dopo aver visto il video, possiamo eseguire il test McNemar.

Passaggio 1: creare i dati.

Per prima cosa creeremo una tabella per contenere i nostri dati:

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

Passaggio 2: eseguire il test McNemar

Successivamente, possiamo utilizzare la funzione mcnemar() dalla libreria statsmodels di Python, che utilizza la seguente sintassi:

mcnemar(array, esatto=Vero, correzione=Vero)

Oro:

• tabella: una tabella di contingenza quadrata
• esatto: se esatto è vero, verrà utilizzata la distribuzione binomiale. Se corretto è falso, verrà utilizzata la distribuzione Chi-quadrato
• correzione: se vero, viene utilizzata una correzione di continuità. In genere, questa correzione viene applicata quando il numero di celle della tabella è inferiore a 5.

Il codice seguente mostra come utilizzare questa funzione nel nostro esempio specifico:

 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

In entrambi i casi, indipendentemente dal fatto che venga applicata o meno la correzione di continuità, il valore p del test è inferiore a 0,05.

Ciò significa che in entrambi i casi rifiuteremmo l’ipotesi nulla e concluderemmo che la percentuale di persone che sostenevano la legge prima e dopo aver visto il video di marketing era statisticamente diversa.