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

สรุปภาพรวม

เครื่องคำนวณการทดสอบที่แน่นอนของฟิชเชอร์ ทดสอบความสัมพันธ์ในตารางความสัมพันธ์ 2×2 โดยใช้การแจกแจงไฮเปอร์จีโอเมตริก กรอกจำนวนสี่ค่าเพื่อรับค่า p แบบแน่นอนหนึ่งด้านและสองด้าน อัตราส่วนออดส์ และความเสี่ยงสัมพัทธ์

เครื่องคำนวณการทดสอบที่แน่นอนของฟิชเชอร์: ฟีเจอร์โดยสรุป

ฟีเจอร์	สิ่งที่ได้รับ	เหมาะสำหรับ
การป้อนตาราง 2×2	กรอกสี่จำนวน a และ b สำหรับกลุ่ม 1 (บวก ลบ) และ c และ d สำหรับกลุ่ม 2 มีตัวอย่างด่วนห้าแบบที่เติมตารางให้	การทดลองทางคลินิก การทดสอบ A/B การศึกษายีน และข้อมูลการสำรวจ
ค่า p แบบแน่นอน	ใช้ความน่าจะเป็นไฮเปอร์จีโอเมตริกที่แน่นอนแทนการประมาณค่าไคกำลังสอง ผลลัพธ์จึงใช้ได้กับขนาดตัวอย่างใดก็ได้	ตารางที่ค่าความถี่คาดหวังของเซลล์ใดต่ำกว่า 5
ทิศทางการทดสอบ	เลือกสองด้าน ด้านซ้าย (อัตราส่วนออดส์ต่ำกว่า 1) หรือด้านขวา (อัตราส่วนออดส์สูงกว่า 1)	ให้ตรงกับสมมติฐานที่คุณตั้งไว้ก่อนเก็บข้อมูล
ระดับนัยสำคัญ	เลือก α เป็น 0.10, 0.05, 0.025, 0.01 หรือ 0.001 เพื่อเปรียบเทียบกับค่า p	ใช้เกณฑ์ที่การศึกษาหรือหลักสูตรของคุณกำหนด
อัตราส่วนออดส์และความเสี่ยง	แสดงอัตราส่วนออดส์ตัวอย่างพร้อมช่วงของ Woolf ค่าประมาณความน่าจะเป็นสูงสุดแบบมีเงื่อนไขพร้อมช่วงความเชื่อมั่น 95% แบบแน่นอนที่ตรงกับ fisher.test ของ R และความเสี่ยงสัมพัทธ์	รายงานขนาดของผลควบคู่กับค่า p
แผนภูมิและขั้นตอน	มีแผนภูมิโมเสก แผนภูมิการแจกแจงความน่าจะเป็นไฮเปอร์จีโอเมตริก และการคำนวณทีละขั้น	แสดงวิธีทำในรายงานหรือชั้นเรียนสถิติ

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)

ทำไมค่า odds ratio ของฉันจึงต่างจากผล fisher.test ใน R?

R รายงานค่า odds ratio แบบ conditional maximum likelihood พร้อมช่วงความเชื่อมั่นแบบ exact ไม่ใช่ค่า odds ratio จากตัวอย่างอย่างง่าย (a×d÷b×c) เครื่องมือนี้แสดงทั้งสองค่า ได้แก่ odds ratio จากตัวอย่างพร้อมช่วง Woolf และค่า conditional MLE พร้อมช่วง exact 95% ด้านล่าง ซึ่งตรงกับ fisher.test ใน R

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

อัตราส่วนโอดส์จะเป็นอย่างไรหากช่องหนึ่งในตาราง 2×2 มีค่าเป็นศูนย์?

ช่องที่เป็นศูนย์อาจทำให้อัตราส่วนโอดส์แบบปกติมีค่าเป็นศูนย์หรือไม่มีนิยาม เพราะการคำนวณนำจำนวนในแนวทแยงมุมมาคูณกันและหารด้วยอีกสองช่อง การทดสอบแบบ exact ยังสามารถคำนวณค่า p จากตารางได้ แต่อัตราส่วนโอดส์ต้องตีความอย่างระมัดระวัง อย่าเปลี่ยนจำนวนโดยไม่ระบุ หากใช้การปรับแก้เพื่อรายงานอัตราส่วนโอดส์ ให้แจ้งวิธีที่ใช้

การสลับสองกลุ่มเปลี่ยนผลการทดสอบ exact ของฟิชเชอร์หรือไม่?

การสลับแถวของกลุ่มจะกลับทิศทางการเปรียบเทียบ อัตราส่วนโอดส์ที่มากกว่า 1 อาจกลายเป็นค่าส่วนกลับ เช่น 2 กลายเป็น 0.5 ส่วนค่า p แบบสองด้านยังเท่าเดิม เพราะความสัมพันธ์ที่สังเกตได้ไม่ได้เปลี่ยน มีเพียงทิศทางที่แสดงเท่านั้น จัดลำดับกลุ่มให้คงที่เมื่อรายงานอัตราส่วนโอดส์ เพื่อให้ผู้อ่านทราบว่ากลุ่มใดอยู่ในตัวเศษ

จัดตาราง 2×2 สำหรับเปรียบเทียบกลุ่มทดลองกับกลุ่มควบคุมอย่างไร?

ใส่หนึ่งกลุ่มในแต่ละแถว และใส่ผลลัพธ์สองประเภทในคอลัมน์ โดยใช้จำนวนที่สังเกตได้จริงทั้งสี่ช่อง ตัวอย่างเช่น บันทึกจำนวนผู้ที่อาการดีขึ้นและไม่ดีขึ้นในกลุ่มทดลอง แล้วป้อนจำนวนทั้งสองแบบเดียวกันสำหรับกลุ่มควบคุม ใช้ลำดับผลลัพธ์เหมือนกันทุกแถว เพราะทิศทางของอัตราส่วนโอดส์ขึ้นอยู่กับว่าผลลัพธ์และกลุ่มใดอยู่ในแถวแรกและคอลัมน์แรก

สถิติและการวิเคราะห์ข้อมูล:

• เครื่องคำนวณขนาดตัวอย่างทดสอบ A/B ใหม่
• เครื่องคำนวณนัยสำคัญการทดสอบ A/B ใหม่
• เครื่องคิดเลข ANOVA
• เครื่องคำนวณค่าเฉลี่ยเลขคณิต
• เครื่องคิดเลขเฉลี่ย - ความแม่นยำสูง
• เครื่องคำนวณค่าเบี่ยงเบนเฉลี่ย
• 📊 เครื่องมือสร้างกราฟแท่ง ใหม่
• เครื่องคำนวณทฤษฎีบทเบย์ส ใหม่
• เครื่องคำนวณการแจกแจงเบตา ใหม่
• เครื่องสร้างแผนภาพกล่อง (Box and Whisker Plot)
• เครื่องคิดเลขการทดสอบไคสแควร์
• เครื่องคำนวณสัมประสิทธิ์การแปรผัน
• เครื่องคิดเลข Cohen's d
• เครื่องคำนวณอัตราการเติบโตแบบทบต้น
• เครื่องคำนวณช่วงความเชื่อมั่น
• เครื่องคำนวณช่วงความเชื่อมั่นสำหรับสัดส่วน
• เครื่องคำนวณตารางไขว้ ใหม่
• เครื่องคำนวณอัตราการแปลง ใหม่
• เครื่องคำนวณสัมประสิทธิ์สหสัมพันธ์
• เครื่องคำนวณขนาดผล ใหม่
• เครื่องคำนวณการแจกแจงเลขชี้กำลัง ใหม่
• เครื่องคำนวณการทดสอบ F และการแจกแจง F ใหม่
• เครื่องคำนวณการทดสอบที่แน่นอนของฟิชเชอร์ ใหม่
• เครื่องคำนวณสรุปห้าจำนวน ใหม่
• เครื่องคำนวณการแจกแจงเรขาคณิต ใหม่
• เครื่องคิดเลขค่าเฉลี่ยทางเรขาคณิต
• เครื่องคำนวณค่าสัมประสิทธิ์จีนี
• เครื่องคิดเลขค่าเฉลี่ยฮาร์มอนิก
• เครื่องมือสร้างฮิสโตแกรม
• เครื่องคำนวณการแจกแจงไฮเปอร์จีโอเมตริก ใหม่
• เครื่องคิดเลขพิสัยระหว่างควอไทล์
• เครื่องคำนวณการทดสอบ Kruskal-Wallis
• 📈 เครื่องมือสร้างกราฟเส้น ใหม่
• เครื่องคำนวณการถดถอยเชิงเส้น
• เครื่องคำนวณการเติบโตเชิงลอการิทึม
• เครื่องคำนวณการทดสอบ Mann-Whitney U
• เครื่องคำนวณค่าเบี่ยงเบนสมบูรณ์เฉลี่ย (MAD)
• เครื่องคิดเลขค่าเฉลี่ย
• เครื่องคำนวณค่าเฉลี่ย มัธยฐาน และฐานนิยม
• เครื่องคำนวณค่าเบี่ยงเบนสัมบูรณ์ค่ามัธยฐาน
• เครื่องคิดเลขมัธยฐาน
• เครื่องคำนวณค่ากึ่งกลางพิสัย
• เครื่องคิดเลขโหมด
• เครื่องคำนวณการแจกแจงปกติ ใหม่
• เครื่องคำนวณอัตราส่วนออดด์ ใหม่
• เครื่องคำนวณค่าผิดปกติ
• เครื่องคำนวณค่า p ใหม่
• เครื่องสร้างแผนภูมิพาเรโต ใหม่
• เครื่องคำนวณเปอร์เซ็นไทล์ ใหม่
• 🥧 เครื่องมือสร้างแผนภูมิวงกลม ใหม่
• เครื่องคิดเลขส่วนเบี่ยงเบนมาตรฐานของประชากร (ความแม่นยำสูง)
• เครื่องคำนวณควอไทล์
• เครื่องคิดเลขส่วนเบี่ยงเบนควอไทล์
• เครื่องคิดเลขช่วง
• เครื่องคำนวณส่วนเบี่ยงเบนมาตรฐานสัมพัทธ์ ยอดนิยม
• เครื่องคิดเลข RMS
• เครื่องคำนวณค่าเฉลี่ยตัวอย่าง
• เครื่องคิดเลขขนาดตัวอย่าง
• เครื่องคำนวณส่วนเบี่ยงเบนมาตรฐานกลุ่มตัวอย่าง
• ตัวสร้างแผนภาพการกระจาย
• เครื่องคำนวณความสามารถของกระบวนการซิกซ์ซิกมา ใหม่
• เครื่องคำนวณสหสัมพันธ์อันดับสเปียร์แมน ใหม่
• เครื่องคำนวณส่วนเบี่ยงเบนมาตรฐาน - ความแม่นยำสูง ยอดนิยม
• เครื่องคำนวณข้อผิดพลาดมาตรฐาน
• เครื่องคิดเลขสถิติ
• เครื่องคำนวณการทดสอบ t
• เครื่องคำนวณความแปรปรวน ความแม่นยำสูง
• เครื่องคำนวณการแจกแจงไวบูล ใหม่
• เครื่องคิดเลข Z-Score