Yates-Kontinuitätskorrektur für 2 x 2 Kontingenztabellen

9

Ich möchte Informationen von Fachleuten über die Yates-Kontinuitätskorrektur für 2 x 2 Kontingenztabellen sammeln. Der Wikipedia-Artikel erwähnt, dass es sich möglicherweise zu weit anpasst und daher nur in begrenztem Umfang verwendet wird. Der verwandte Beitrag hier bietet nicht viel weitere Einblicke.

Was denken Sie also über die Leute, die diese Tests regelmäßig durchführen? Ist es besser, die Korrektur zu verwenden oder nicht?

Und ein Beispiel aus der Praxis, das bei einem Konfidenzniveau von 95% zu unterschiedlichen Ergebnissen führen würde. Beachten Sie, dass dies ein Hausaufgabenproblem war, aber unsere Klasse befasst sich überhaupt nicht mit der Yates-Kontinuitätskorrektur. Schlafen Sie also ruhig, wenn Sie wissen, dass Sie meine Hausaufgaben nicht für mich machen.

samp <- matrix(c(13, 12, 15, 3), byrow = TRUE, ncol = 2)
colnames(samp) <- c("No", "Yes")
rownames(samp) <- c("Female", "Male")

chisq.test(samp, correct = TRUE)
chisq.test(samp, correct = FALSE)

categorical-data chi-squared yates-correction

— Verfolgungsjagd
quelle

6

Die Korrektur von Yates führt zu Tests, die konservativer sind als bei den "exakten" Tests von Fisher.

Hier ist ein Online-Tutorial über die Verwendung der Yates-Kontinuitätskorrektur von Stefanescu et al., Das deutlich auf verschiedene Mängel der systematischen Kontinuitätskorrektur hinweist (S. 4-6). "Agrates (1934) zitierte Agresti ( CDA 2002) und erwähnte, dass Fisher ihm die Hypergeometrie für einen genauen Test vorschlug", was zur kontinuitätskorrigierten Version des . Agresti wies auch darauf hin, dass der Fisher-Test eine gute Alternative ist, da Computer dies auch für große Proben tun können (S. 103). Der Punkt ist nun, dass die Auswahl eines Tests wirklich von der gestellten Frage und den Annahmen abhängt, die von jedem von ihnen getroffen werden (z. B. gehen wir beim Fisher-Test davon aus, dass die Margen fest sind). $\chi^2$

In Ihrem Fall stimmen Fisher-Test und korrigiertes überein und ergeben einen Wert über 5%. Wenn im Fall des gewöhnlichen Werte unter Verwendung eines Monte-Carlo-Ansatzes berechnet werden (siehe ), erreicht es ebenfalls keine Signifikanz. $\chi^2$ $p$ $\chi^2$ $p$ simulate.p.value

Weitere nützliche Referenzen, die sich mit Problemen mit kleinen Stichprobengrößen und der Überbeanspruchung des Fisher-Tests befassen, sind:

I. Campbell-, Chi-Quadrat- und Fisher-Irwin-Tests von Zwei-mal-Zwei-Tabellen mit Empfehlungen für kleine Stichproben , Statistics in Medicine 26 (19): 3661–3675, 2007.
Mark G. Haviland, Yates 'Korrektur für die Kontinuität und die Analyse von 2 × 2-Kontingenztabellen , Statistics in Medicine 9 (4): 363–367, 1990.

— chl
quelle

Danke für die Referenzen. Ich konnte eine „Pre-Print“ -Version des Campbell Papier finden , hier für diejenigen , die keinen Zugriff Pub Med.

— Chase

3

Wenn Ihre Anzahl so niedrig ist, dass die Yates-Korrektur eine Sorge darstellt (wie in Ihrem Beispiel), sollten Sie wahrscheinlich den genauen Fisher-Test verwenden. Andernfalls empfehle ich, dass Sie Ihren Test nach Verwendung des Chi-Quadrat-Tests an einem 2x2-Tisch mit einem Log-Odds-Ratio-Z-Test bestätigen.

— Mike Anderson
quelle

Warum gegen einen log Odds Ratio Z- Test prüfen ? Das ist ein Wald-Test, und Wald-Tests schneiden normalerweise schlechter ab als Score-Tests wie Pearsons Chi-Quadrat-Test. Ist dies als Ausnahme bekannt?

— Onestop

Danke für die Auskunft! Der Fisher-Test scheint für solche Fragen eine robustere Methode zu sein. Ich denke nicht, dass der Kurs, an dem ich gerade teilnehme, den Fisher-Test ansprechen wird, aber ich werde ihn auf jeden Fall für reale Anwendungen berücksichtigen.

— Chase