Koreksi kontinuitas Yates untuk tabel kontingensi 2 x 2

9

Saya ingin mengumpulkan masukan dari orang-orang di lapangan tentang koreksi kontinuitas Yates untuk tabel kontingensi 2 x 2. Artikel Wikipedia menyebutkan mungkin menyesuaikan terlalu jauh, dan karenanya hanya digunakan dalam arti terbatas. The posting terkait di sini tidak menawarkan wawasan lebih jauh.

Jadi untuk orang-orang yang menggunakan tes ini secara teratur, apa pendapat Anda? Apakah lebih baik menggunakan koreksi atau tidak?

Dan contoh dunia nyata yang akan menghasilkan hasil yang berbeda pada tingkat kepercayaan 95%. Perhatikan bahwa ini adalah masalah pekerjaan rumah, tetapi kelas kami tidak berurusan dengan koreksi kontinuitas Yates sama sekali, jadi tidurlah dengan mudah mengetahui bahwa Anda tidak melakukan pekerjaan rumah saya untuk saya.

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)    
Mengejar
sumber

Jawaban:

6

Koreksi Yates menghasilkan tes yang lebih konservatif seperti halnya dengan tes "tepat" Fisher.

Berikut ini adalah tutorial online tentang penggunaan koreksi kontinuitas Andrea , oleh Stefanescu et al, yang dengan jelas menunjukkan berbagai kelemahan koreksi sistematis untuk kontinuitas (hlm. 4-6). Mengutip Agresti ( CDA 2002), "Yates (1934) menyebutkan bahwa Fisher menyarankan hipergeometrik kepadanya untuk tes yang tepat", yang mengarah pada versi kontinuitas-terkoreksi dari . Agresti juga menunjukkan bahwa tes Fisher adalah alternatif yang baik sekarang bahwa komputer dapat melakukannya bahkan untuk sampel besar (hal. 103). Sekarang, intinya adalah bahwa memilih tes benar-benar tergantung pada pertanyaan yang diajukan dan asumsi yang dibuat oleh masing-masing (misalnya, dalam kasus uji Fisher, kita mengasumsikan bahwa margin diperbaiki).χ2

Dalam kasus Anda, uji Fisher dan koreksi setuju dan menghasilkan nilai di atas 5%. Dalam kasus , jika nilai dihitung menggunakan pendekatan Monte Carlo (lihat ), maka nilai gagal juga mencapai signifikansi. p χ 2 pχ2pχ2psimulate.p.value

Referensi berguna lainnya yang berhubungan dengan masalah ukuran sampel kecil dan penggunaan uji Fisher yang berlebihan, termasuk:

chl
sumber
Terima kasih untuk referensi. Saya dapat menemukan versi "pra-cetak" dari kertas Campbell di sini untuk mereka yang tidak dapat mengakses Pub Med.
Mengejar
3

Jika Anda memiliki jumlah yang cukup rendah sehingga Koreksi Yates adalah kekhawatiran (seperti dalam contoh Anda), Anda mungkin harus menggunakan uji pasti Fisher. Kalau tidak, saya merekomendasikan bahwa setelah Anda menggunakan uji chi-square pada tabel 2x2, Anda mengonfirmasi tes Anda dengan log-rasio odds log-z.

Mike Anderson
sumber
Mengapa memeriksa rasio odds log z -test? Itu adalah tes Wald, dan tes Wald biasanya berkinerja lebih buruk daripada tes skor seperti tes chi-square Pearson. Apakah ini dikenal sebagai pengecualian?
onestop
Terima kasih untuk informasi! Tes Fisher tampaknya merupakan metode yang lebih kuat untuk pertanyaan seperti ini. Saya tidak berpikir program yang sedang saya ikuti akan membahas tes Fisher, tapi saya pasti akan mengingatnya untuk aplikasi dunia nyata.
Mengejar