在進行連續變項的前後測比較或配對比較時，我們會用到一個熟悉的統計方法-成對樣本t檢定（Paired sample t test），不過當變項屬於二分類的類別變項時，我們就必須改用一個比較陌生的檢定方式－麥內瑪關聯樣本檢定（McNemar test）。先來介紹這次的例子，針對100名受訪者，詢問他們在政見發表會前後，對於候選人的支持情況，資料的建立通常有兩種方式，左邊的方式，直接記錄每一位受訪者在政見發表會前後所支持的候選人，因此樣本數會有100筆；右邊的方式，則是將四種反應組合列出後，在第三個欄位中填上該組合下的人數。
為了方便大家理解，我們將此資料整理成交叉表形式，在政見發表會前，支持1號候選人者共計57人（32+25），支持2號候選人者共計43人（7+36）；而在政見發表會後，支持1號候選人者共計39人（32+7），支持2號候選人者共計61人（25+36）。在McNemar檢定中，所關切的，是政見發表前後的變情形，因此它也有另外一個名稱叫作「改變的顯著性考驗」，而在2X2的交叉細格中，發生改變的樣本即是從支持候選人1改成支持候選人2的25人（B），以及從支持候選人2改成支持候選人1的7人（C），對統計上的意義來說，若政見發表對於候選人的支持改變若是完全沒有影響，那麼從支持候選人1改成支持候選人2的人數，應該要和從支持候選人2改成支持候選人1的人數相同，因此就可以把虛無假設與對立假設寫成：
H0：B=C
H1：B≠C
McNemar檢定的卡方值公式也相當簡單，卡方值=（（B-C）-1）2/（B+C）=（（25-7）-1）2/（25+7）=9.03125，p值=.003
雖然公式很簡單，但為了追求效率，當然還是要學習怎麼操作軟體，何況自己計算還需要查表才能得到顯著性p值。在SPSS軟體中，要進行McNemar檢定有兩個方式，以下分別說明。
留言列表
{{ article.title }}