Fishers exakter Test |
Ist der Stichprobenumfang N für den Vierfelder- -Test gering (wenn N < 20 ist, wird von gering ausgegangen), wird zur Prüfung der Verteilung der exakte Fisher-Test verwendet. Der exakte Fisher-Test wird in der Literatur auch als Irwin-Fisher-Test oder Fisher-Yates-Test bezeichnet, da die Testentwicklung auf die genannten Autoren zurückgeht. Zur Test-Beschreibung wird von einer Vierfeldertafel ausgegangen:
Die N-Beobachtungen zu den Merkmalen A und B werden in der Vierfeldertafel als Merkmalskombinationen a, b, c und d klassifiziert (grauer Bereich in obiger Tabelle). Es wird davon ausgegangen, dass die Merkmale A und B voneinander unabhängig sind. Die erwartete Häufigkeit h für die Klassenausprägungen a, b, c und d wird nach berechnet. Darauf basierend wird das Vierfelder- nach der Gleichung berechnet. Der -Wert ist durch die Randsummen festgelegt und besitzt nur einen Freiheitsgrad. Zurück zum exakten Fisher-Test. Wie erwähnt, wird davon ausgegangen, dass sich die Beobachtungen N exakt mit den Häufigkeiten a, b, c und d auf die vier Merkmalskombinationen verteilen. Die dazugehörige Wahrscheinlichkeitsverteilung ist eine hypergeometrische Verteilung. Die Wahrscheinlichkeit p(a) genau a von N1 Ereignisse zu beobachten, wird nach geschätzt. Es wird nur die Wahrscheinlichkeitsverteilung für a (oder einer anderen beliebigen Häufigkeit der Vierfeldertafel) benötigt, da die Tafel durch die Randsumme fixiert ist. Eine weiterführende methodische Beschreibung mit Rechenbeispiel finden Sie im Bortz, Linert, Boehnke (3. Auflage, Seiten 110 bis 111). Wir führen den exakten Fisher-Test mithilfe von R unter Verwendung des Beispiels relatives Risiko und Odds Ratio ...
... durch. Über den Fisher-Test soll nun geprüft werden, ob die beiden Therapien A und B einen gleichen Therapie-Erfolg (Null hypothese H0) zeigen oder ob die Alternativhypothese H1 ein möglicher Unterschied zwischen den Therapien wahrscheinlicher ist. > Therapie <- matrix(c(6, 23, 182, 170), ncol = 2, dimnames = list(c("Therapie A", "Therapie B"), c("eingetreten", "nicht eingetreten"))) Gehen wir von einer 5%igen Signifikanz aus ( = 0,05) wird sowohl einseitig wie auch zweiseitig der p-Wert mit 0,0016 deutlich unterschritten. Die Alternativhypothese H1 ist wahrscheinlicher und von einem Unterschied in den Therapien A und B ist auszugehen. Auch der Odds Ratio zeigt mit 0,24 einen deutlichen Behandlungserfolg für Therapie A. |
Hat der Inhalt Ihnen weitergeholfen und Sie möchten diese Seiten unterstützen? |