เครื่องคำนวณการทดสอบที่แน่นอนของฟิชเชอร์

เกี่ยวกับ เครื่องคำนวณการทดสอบที่แน่นอนของฟิชเชอร์

เครื่องคำนวณการทดสอบที่แน่นอนของฟิชเชอร์ จะทำการทดสอบนัยสำคัญที่แน่นอนสำหรับตารางแจกแจงความถี่ 2×2 โดยใช้การแจกแจงแบบไฮเพอร์จีโอเมตริก ต่างจากการทดสอบไคสแควร์ที่อาศัยค่าประมาณแบบอะซิมโทติก (asymptotic approximation) การทดสอบของฟิชเชอร์จะคำนวณค่า p-value ที่แน่นอน ทำให้เป็นมาตรฐานสูงสุดในการวิเคราะห์ข้อมูลเชิงกลุ่ม โดยเฉพาะกับกลุ่มตัวอย่างขนาดเล็ก ป้อนข้อมูลตาราง 2×2 ของคุณเพื่อรับค่า p-value ทั้งแบบ one-tailed และ two-tailed, อัตราส่วนออดส์, ความเสี่ยงสัมพัทธ์, แผนภาพโมเสก และวิธีทำแบบทีละขั้นตอน

วิธีใช้งาน เครื่องคำนวณการทดสอบที่แน่นอนของฟิชเชอร์

1. กรอกค่าในตาราง — ป้อนจำนวนความถี่ที่สังเกตได้ทั้งสี่ช่องสำหรับตาราง 2×2 ของคุณ ช่อง "a" แทนกลุ่ม 1 ที่มีผลลัพธ์เชิงบวก, "b" คือกลุ่ม 1 ที่มีผลลัพธ์เชิงลบ, "c" คือกลุ่ม 2 ผลบวก และ "d" คือกลุ่ม 2 ผลลบ คุณยังสามารถคลิกตัวอย่างด่วนเพื่อดูวิธีการทำงานได้
2. เลือกทิศทางการทดสอบ — เลือก "Two-Tailed" เพื่อทดสอบความสัมพันธ์ทั่วไป (พบบ่อยที่สุด), "Left-Tailed" หากคุณตั้งสมมติฐานว่าอัตราส่วนออดส์น้อยกว่า 1 หรือ "Right-Tailed" หากคุณคาดว่าจะมีค่ามากกว่า 1
3. กำหนดระดับนัยสำคัญ — เลือก α (โดยทั่วไปคือ 0.05) ค่า α ที่เล็กลงจะต้องใช้หลักฐานที่แน่นแฟ้นยิ่งขึ้นในการปฏิเสธสมมติฐานหลัก
4. แปลผลลัพธ์ — ตรวจสอบค่า p-value, อัตราส่วนออดส์, ความเสี่ยงสัมพัทธ์, แผนภาพโมเสก, แผนภูมิการแจกแจงความน่าจะเป็นแบบไฮเพอร์จีโอเมตริก และรายละเอียดการคำนวณทีละขั้นตอน

การทดสอบที่แน่นอนของฟิชเชอร์คืออะไร?

การทดสอบที่แน่นอนของฟิชเชอร์ (Fisher's exact test) พัฒนาโดย Sir Ronald Fisher ในปี 1935 เป็นการทดสอบนัยสำคัญทางสถิติสำหรับข้อมูลเชิงกลุ่มในตารางแจกแจงความถี่ ใช้เพื่อกำหนดว่ามีความสัมพันธ์แบบไม่สุ่มระหว่างตัวแปรเชิงกลุ่มสองตัวหรือไม่ การทดสอบนี้เรียกว่า "แน่นอน" เพราะจะคำนวณความน่าจะเป็นที่แน่นอนในการได้รับข้อมูลที่สังเกตได้ (หรือข้อมูลที่รุนแรงกว่านั้น) ภายใต้สมมติฐานหลักของความเป็นอิสระ แทนที่จะอาศัยค่าประมาณอย่างการทดสอบไคสแควร์

สูตรการแจกแจงแบบไฮเพอร์จีโอเมตริก

ความน่าจะเป็นในการสังเกตตาราง 2×2 ที่มีผลรวมขอบคงที่ กำหนดโดยการแจกแจงแบบไฮเพอร์จีโอเมตริก:

โดยที่ R₁, R₂ คือผลรวมแถว, C₁, C₂ คือผลรวมคอลัมน์ และ N คือผลรวมทั้งหมด สูตรนี้จะคำนวณความน่าจะเป็นที่แน่นอนของการสังเกตการจัดเรียงค่าในตารางนั้นๆ

ควรใช้การทดสอบที่แน่นอนของฟิชเชอร์เมื่อใด

• กลุ่มตัวอย่างขนาดเล็ก — เมื่อค่าความถี่ที่คาดหวังในช่องใดก็ตามน้อยกว่า 5 การประมาณค่าด้วยไคสแควร์จะไม่น่าเชื่อถือ และแนะนำให้ใช้การทดสอบของฟิชเชอร์แทน
• ตาราง 2×2 — การทดสอบนี้ได้รับการออกแบบมาโดยเฉพาะสำหรับตารางแจกแจงความถี่แบบสองคูณสอง
• ต้องการการอนุมานที่แน่นอน — เมื่อคุณต้องการค่า p-value ที่แม่นยำมากกว่าค่าประมาณแบบอะซิมโทติก
• การทดลองทางคลินิก — นิยมใช้ในการวิจัยทางการแพทย์เพื่อเปรียบเทียบผลลัพธ์ระหว่างกลุ่มที่ได้รับยาและกลุ่มควบคุม
• การควบคุมคุณภาพ — ทดสอบว่าอัตราการเกิดข้อบกพร่องแตกต่างกันระหว่างกระบวนการหรือชุดการผลิตหรือไม่

การทดสอบที่แน่นอนของฟิชเชอร์ เทียบกับการทดสอบไคสแควร์

การทดสอบทั้งสองประเมินความเป็นอิสระในตารางแจกแจงความถี่ แต่มีแนวทางที่ต่างกัน:

• การทดสอบของฟิชเชอร์ คำนวณความน่าจะเป็นที่แน่นอน ส่วน ไคสแควร์ ใช้การประมาณค่าจากกลุ่มตัวอย่างขนาดใหญ่
• การทดสอบของฟิชเชอร์ใช้ได้เสมอโดยไม่คำนึงถึงขนาดตัวอย่าง ส่วนไคสแควร์ต้องการค่าความถี่ที่คาดหวัง ≥ 5
• สำหรับกลุ่มตัวอย่างขนาดใหญ่ ทั้งสองการทดสอบจะให้ผลลัพธ์ที่ใกล้เคียงกันมาก แต่ไคสแควร์จะคำนวณได้เร็วกว่า
• การทดสอบของฟิชเชอร์จะใช้ทรัพยากรการคำนวณสูงมากสำหรับตารางที่มีขนาดใหญ่มาก (N > 1000)

ทำความเข้าใจอัตราส่วนออดส์และความเสี่ยงสัมพัทธ์

อัตราส่วนออดส์ (Odds Ratio - OR) วัดความแข็งแกร่งของความสัมพันธ์ระหว่างสองเหตุการณ์ OR = (a × d) / (b × c) ค่า OR เท่ากับ 1 หมายถึงไม่มีความสัมพันธ์, OR > 1 หมายถึงผลลัพธ์มีแนวโน้มเกิดในกลุ่มที่ 1 มากกว่า และ OR < 1 หมายถึงมีแนวโน้มเกิดในกลุ่มที่ 2 มากกว่า ช่วงความเชื่อมั่น 95% ช่วยประเมินว่า OR นั้นแตกต่างจาก 1 อย่างมีนัยสำคัญทางสถิติหรือไม่

ความเสี่ยงสัมพัทธ์ (Relative Risk - RR) เปรียบเทียบความน่าจะเป็นของผลลัพธ์ระหว่างกลุ่ม RR = [a/(a+b)] / [c/(c+d)] แม้ว่า OR จะมีค่าใกล้เคียงกับ RR เมื่อผลลัพธ์เกิดขึ้นได้ยาก แต่ค่าทั้งสองจะแยกจากกันเมื่อผลลัพธ์เกิดขึ้นบ่อย RR มักจะแปลผลได้เข้าใจง่ายกว่าในการศึกษาเชิงติดตาม (prospective studies)

การทดสอบแบบ One-Tailed เทียบกับ Two-Tailed

การทดสอบแบบ Two-tailed จะรวมความน่าจะเป็นของตารางทั้งหมดที่มีความน่าจะเป็นเท่ากับหรือน้อยกว่าตารางที่สังเกตได้ โดยไม่คำนึงถึงทิศทางของความสัมพันธ์ นี่เป็นวิธีที่พบบ่อยและระมัดระวังที่สุด ส่วน การทดสอบแบบ One-tailed จะพิจารณาตารางในทิศทางเดียวเท่านั้น คือ Left-tailed สำหรับ OR < 1 หรือ Right-tailed สำหรับ OR > 1 และควรใช้เฉพาะเมื่อคุณมีสมมติฐานล่วงหน้าที่ชัดเจนเกี่ยวกับทิศทางของผลกระทบเท่านั้น

คำถามที่พบบ่อย (FAQ)

การทดสอบที่แน่นอนของฟิชเชอร์คืออะไร?

การทดสอบที่แน่นอนของฟิชเชอร์ คือการทดสอบนัยสำคัญทางสถิติที่ใช้ตรวจสอบว่ามีความสัมพันธ์แบบไม่สุ่มระหว่างตัวแปรเชิงกลุ่มสองตัวในตารางแจกแจงความถี่ 2×2 หรือไม่ ต่างจากการทดสอบไคสแควร์ตรงที่วิธีนี้คำนวณความน่าจะเป็นที่แน่นอนโดยใช้การแจกแจงแบบไฮเพอร์จีโอเมตริก ทำให้เหมาะสำหรับกลุ่มตัวอย่างขนาดเล็กหรือเมื่อความถี่ที่คาดหวังต่ำกว่า 5

ควรใช้การทดสอบที่แน่นอนของฟิชเชอร์แทนไคสแควร์เมื่อใด?

ใช้การทดสอบที่แน่นอนของฟิชเชอร์เมื่อค่าความถี่ที่คาดหวังในช่องใดของตาราง 2×2 มีค่าน้อยกว่า 5, เมื่อขนาดตัวอย่างรวมมีขนาดเล็ก (โดยปกติคือน้อยกว่า 20-30) หรือเมื่อคุณต้องการค่า p-value ที่แม่นยำ การทดสอบของฟิชเชอร์ใช้ได้เสมอไม่ว่าขนาดตัวอย่างจะเป็นเท่าใด ในขณะที่ไคสแควร์เป็นเพียงค่าประมาณที่อาจไม่น่าเชื่อถือเมื่อกลุ่มตัวอย่างเล็ก

การทดสอบของฟิชเชอร์แบบ One-tailed และ Two-tailed ต่างกันอย่างไร?

การทดสอบแบบ Two-tailed จะตรวจสอบความสัมพันธ์ระหว่างตัวแปรโดยไม่คำนึงถึงทิศทางและเป็นวิธีที่นิยมใช้มากที่สุด ส่วนการทดสอบแบบ One-tailed จะตรวจสอบความสัมพันธ์ในทิศทางที่เฉพาะเจาะจง: Left-tailed ทดสอบว่าอัตราส่วนออดส์น้อยกว่า 1 และ Right-tailed ทดสอบว่ามากกว่า 1 ควรใช้แบบ Two-tailed เว้นแต่คุณจะมีสมมติฐานที่ชัดเจนเกี่ยวกับทิศทางของผลลัพธ์

ค่า p-value ในการทดสอบที่แน่นอนของฟิชเชอร์คำนวณอย่างไร?

ค่า p-value คำนวณโดยใช้การแจกแจงแบบไฮเพอร์จีโอเมตริก สำหรับตาราง 2×2 ที่กำหนด ความน่าจะเป็นที่แน่นอนของตารางนั้นจะถูกคำนวณ สำหรับการทดสอบแบบ Two-tailed ความน่าจะเป็นของตารางที่เป็นไปได้ทั้งหมดที่มีค่าน้อยกว่าหรือเท่ากับตารางที่สังเกตได้จะถูกนำมารวมกัน สำหรับการทดสอบแบบ One-tailed จะรวมความน่าจะเป็นในทิศทางเดียวเท่านั้น

อัตราส่วนออดส์ในการทดสอบที่แน่นอนของฟิชเชอร์บอกอะไร?

อัตราส่วนออดส์วัดความแข็งแกร่งของความสัมพันธ์ระหว่างตัวแปรเชิงกลุ่มสองตัว ค่า 1 หมายถึงไม่มีความสัมพันธ์ ค่ามากกว่า 1 หมายถึงกลุ่มที่ 1 มีโอกาสเกิดผลลัพธ์เชิงบวกสูงกว่ากลุ่มที่ 2 ค่าน้อยกว่า 1 หมายถึงกลุ่มที่ 2 มีโอกาสสูงกว่า ช่วงความเชื่อมั่น 95% ช่วยประเมินว่าความสัมพันธ์นั้นมีความหมายทางสถิติหรือไม่ — หากช่วงดังกล่าวครอบคลุมค่า 1 แสดงว่าความสัมพันธ์อาจไม่มีนัยสำคัญ