วิธีทำการทดสอบ mcnemar ใน r

การทดสอบ McNemar ใช้เพื่อพิจารณาว่าสัดส่วนระหว่างข้อมูลที่จับคู่มีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติหรือไม่

บทช่วยสอนนี้จะอธิบายวิธีดำเนินการทดสอบ McNemar ใน R

ตัวอย่าง: การทดสอบ McNemar ใน R

สมมติว่านักวิจัยต้องการทราบว่าวิดีโอการตลาดบางรายการสามารถเปลี่ยนความคิดเห็นของผู้คนเกี่ยวกับกฎหมายข้อใดข้อหนึ่งได้หรือไม่ พวกเขาสำรวจคน 100 คนเพื่อดูว่าพวกเขาสนับสนุนกฎหมายหรือไม่ จากนั้นพวกเขาจึงแสดงวิดีโอการตลาดแก่คนทั้ง 100 คน และสำรวจพวกเขาอีกครั้งหลังจากวิดีโอจบ

ตารางต่อไปนี้แสดงจำนวนผู้ที่สนับสนุนกฎหมายก่อนและหลังดูวิดีโอ:

เพื่อตรวจสอบว่าสัดส่วนของผู้ที่สนับสนุนกฎหมายก่อนและหลังดูวิดีโอมีความแตกต่างอย่างมีนัยสำคัญทางสถิติหรือไม่ เราจึงทำการทดสอบ McNemar ได้

ขั้นตอนที่ 1: สร้างข้อมูล

ขั้นแรก สร้างชุดข้อมูลในรูปแบบแรสเตอร์

 #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

ขั้นตอนที่ 2: ทำการทดสอบ McNemar

จากนั้น ทำการทดสอบ McNemar โดยใช้ไวยากรณ์ต่อไปนี้:

mcnemar.test(x,y=NULL,ถูกต้อง=TRUE)

ทอง:

• x : ตารางฉุกเฉินสองมิติในรูปแบบเมทริกซ์หรืออ็อบเจ็กต์ตัวประกอบ
• y : วัตถุปัจจัย; ละเว้นถ้า x เป็นเมทริกซ์
• ถูกต้อง : TRUE = ใช้การแก้ไขความต่อเนื่องเมื่อคำนวณสถิติการทดสอบ FALSE = ไม่ใช้การแก้ไขความต่อเนื่อง

โดยทั่วไป ควรใช้การแก้ไขความต่อเนื่องเมื่อจำนวนบางส่วนในตารางต่ำ โดยทั่วไป การแก้ไขนี้มักจะใช้เมื่อจำนวนเซลล์น้อยกว่า 5

เราจะทำการทดสอบ McNemar โดยมีและไม่มีการแก้ไขความต่อเนื่องเพียงเพื่อแสดงความแตกต่าง:

 #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

ในทั้งสองกรณี ค่า p ของการทดสอบน้อยกว่า 0.05 ดังนั้น เราจะปฏิเสธสมมติฐานว่างและสรุปว่าสัดส่วนของผู้ที่สนับสนุนกฎหมายก่อนและหลังดูวิดีโอการตลาดมีความแตกต่างกันทางสถิติ