本文主要是介绍chi-square, McNemar‘ exact, Mantel-Haenszel, Kappa, Fisher exact test区别,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
1,chi-square test
卡方检验分为三种类型:
1,卡方拟合优度检验。主要用于下面两种情况:1),判断某一组数是否服从某个分布;2),判断某一组数是否以某个期望的频率出现(如果期望的频率服从某个分布,那就跟1一样了)。
零假设H0: 种类1,2,…n发生的概率分别为p1,p2,…pn;
备择假设HA:种类1,2,…n发生的概率不同于H0中的概率。
卡方统计量计算如下:
统计检验过程如下:
例子:
2,卡方独立性检验。适用于对一组数据采用两个不同的分类变量进行分类,检验这两个分类变量是否有相关性。
3,卡方齐性检验。检验几组不同的样本是否来自同一个总体,检验的重点在于比较不同的组。
Note:卡方齐性检验要求两组或者多组样本彼此间是相互独立的
三者区别:卡方拟合优度检验的重点在于某一组数是否服从某个分布。卡方独立性检验只有一组数,但是有两个不同的分类变量。卡方齐性检验有多组不同的数。
举个例子说明卡方独立性检验和卡方齐性检验的区别:
2, McNemar’ exact test
也叫做配对卡方检验。适用于2*2的表格。常用来比较两种机器学习模型的效果是否相同。
3,Mantel-Haenszel test
Mantel-Haenszel test是McNemar’ exact test的泛化,它能用于多个2*2表格的检验。
#### 例子:
4,Kappa test
与McNemar检验一样,可以用来进行两种机器学习模型或两种治疗方法的比较。二者区别:1、Kappa检验旨在评价两种方法是否存在一致性;McNemar检验主要确定两种方法诊断结果是否有差别;2、Kappa检验会利用列联表的全部数据,而McNemar检验只利用“不一致“数据;3、Kappa检验可计算Kappa值用于评价一致性大小,而McNemar检验只能给出两种方法差别是否具有统计学意义的判断。
Kappa值判断标准:Kappa≥0.75,说明两种方法诊断结果一致性较好; 0.4≤Kappa<0.75,说明两种方法诊断结果一致性一般; Kappa<0.4,说明两种方法诊断结果一致性较差。
例子:
5,Fisher exact test
如果2*2的表格中理论频数有一个小于5,则应该用fisher’s exact test,否则,要用chi-square test。
详细过程参考https://blog.csdn.net/linkequa/article/details/88189582
这篇关于chi-square, McNemar‘ exact, Mantel-Haenszel, Kappa, Fisher exact test区别的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!