R တွင် mcnema စာမေးပွဲကို မည်သို့လုပ်ဆောင်ရမည်နည်း။

McNemar စမ်းသပ်မှုအား တွဲထားသောဒေတာများကြားတွင် ကိန်းဂဏန်းအချက်အလတ်များ သိသာထင်ရှားစွာ ကွာခြားမှုရှိမရှိ ဆုံးဖြတ်ရန် အသုံးပြုပါသည်။

ဤသင်ခန်းစာတွင် McNemar စာမေးပွဲကို R တွင် မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- R တွင် McNema စာမေးပွဲ

အချို့သော စျေးကွက်ရှာဖွေရေး ဗီဒီယိုတစ်ခုသည် ဥပဒေတစ်ခုအပေါ် လူများ၏ ထင်မြင်ယူဆချက်များကို ပြောင်းလဲနိုင်မလားဟု သုတေသီများ သိချင်သည်ဆိုကြပါစို့။ ၎င်းတို့သည် ဥပဒေကို ထောက်ခံခြင်း ရှိ၊ မရှိ သိရှိရန် လူ 100 ကို စစ်တမ်းကောက်ယူခဲ့သည်။ ထို့နောက် ၎င်းတို့သည် လူ 100 တို့အား စျေးကွက်ရှာဖွေရေး ဗီဒီယိုကို ပြသပြီး ဗီဒီယိုပြီးဆုံးပြီးနောက် ၎င်းတို့ကို ထပ်မံ စစ်တမ်းကောက်ယူသည်။

အောက်ဖော်ပြပါဇယားသည် ဗီဒီယိုကိုမကြည့်မီနှင့် အပြီးတွင် ဥပဒေအား ထောက်ခံသူ စုစုပေါင်းအရေအတွက်ကို ပြသသည်-

ဗီဒီယိုကိုမကြည့်မီနှင့် ဗီဒီယိုကြည့်ရှုပြီးနောက် ဥပဒေထောက်ခံသူအချိုးတွင် ကိန်းဂဏန်းသိသိသာသာ ကွာခြားမှုရှိမရှိ ဆုံးဖြတ်ရန်၊ ကျွန်ုပ်တို့သည် McNemar စမ်းသပ်မှုကို လုပ်ဆောင်နိုင်သည်။

အဆင့် 1: ဒေတာကိုဖန်တီးပါ။

ပထမဦးစွာ၊ အချက်အလက်အစုံကို raster ပုံစံဖြင့် ဖန်တီးပါ။

 #create data
data <- matrix(c(30, 12, 40, 18), nrow = 2,
    dimnames = list("After Video" = c("Support", "Do Not Support"),
                    "Before Video" = c("Support", "Do Not Support")))

#view data
data

                Before Video
After Video Support Do Not Support
  Bracket 30 40
  Do Not Support 12 18

အဆင့် 2: McNemar စမ်းသပ်မှုကို လုပ်ဆောင်ပါ။

ထို့နောက် အောက်ပါ syntax ကို အသုံးပြု၍ McNemar စမ်းသပ်မှုကို လုပ်ဆောင်ပါ။

mcnemar.test(x၊y=NULL၊correct=TRUE)

ရွှေ-

• x : မက်ထရစ်ပုံစံရှိ နှစ်ဘက်မြင် ဆက်စပ်ဇယား သို့မဟုတ် အချက်ပြအရာဝတ္ထုတစ်ခု သော်လည်းကောင်း။
• y : အချက်တစ်ချက်၊ x သည် matrix ဖြစ်လျှင် လျစ်လျူရှုထားသည်။
• မှန်ကန်မှု : TRUE = စမ်းသပ်မှုစာရင်းအင်းများကို တွက်ချက်ရာတွင် အဆက်မပြတ် တည့်မတ်မှုကို အသုံးပြုပါ။ FALSE = အဆက်ပြတ်ပြင်ဆင်ခြင်းကို မကျင့်သုံးပါနှင့်။

ယေဘူယျအားဖြင့်၊ ဇယားရှိ အချို့သောရေတွက်များ နည်းနေသောအခါတွင် အဆက်မပြတ် တည့်မတ်မှုကို အသုံးပြုသင့်သည်။ ပုံမှန်အားဖြင့်၊ ဆဲလ်အရေအတွက် 5 ထက်နည်းသောအခါတွင် ဤပြင်ဆင်မှုကို အများအားဖြင့် အသုံးပြုသည်။

ကျွန်ုပ်တို့သည် McNemar စမ်းသပ်မှုကို အဆက်မပြတ် တည့်မတ်ခြင်းမရှိဘဲ၊ ကွဲပြားမှုများကို ဖော်ပြရန်အတွက်သာ လုပ်ဆောင်ပါမည်။

 #Perform McNemar's Test with continuity correction
mcnemar.test(data)

	McNemar's Chi-squared test with continuity correction

data:data
McNemar's chi-squared = 14.019, df = 1, p-value = 0.000181

#Perform McNemar's Test without continuity correction
mcnemar.test(data, correct=FALSE) 

	McNemar's Chi-squared test

data:data
McNemar's chi-squared = 15.077, df = 1, p-value = 0.0001032

ဖြစ်ရပ်နှစ်ခုစလုံးတွင်၊ စမ်းသပ်မှု၏ p-value သည် 0.05 ထက်နည်းသောကြောင့် ကျွန်ုပ်တို့သည် null hypothesis ကို ငြင်းပယ်ကာ စျေးကွက်ရှာဖွေရေးဗီဒီယိုကိုမကြည့်မီနှင့် ပြီးနောက် ဥပဒေကို ထောက်ခံသူအချိုးအစားမှာ စာရင်းအင်းအရ ကွဲပြားသည်ဟု ကောက်ချက်ချပါမည်။