费舍尔精确检验计算器

费舍尔精确检验计算器

费舍尔精确检验计算器使用超几何分布对 2×2 列联表进行精确显著性检验。与依赖渐近近似的卡方检验不同，费舍尔检验计算的是精确的 p 值，这使其成为分析分类数据（尤其是样本量较小时）的黄金标准。输入您的 2×2 表格即可获得单尾和双尾 p 值、优势比、相对危险度、交互式马赛克图以及分步解答。

如何使用费舍尔精确检验计算器

1. 输入单元格数值 — 输入 2×2 列联表的四个观察频数计数。单元格“a”代表第 1 组中出现阳性结果的计数，“b”是第 1 组中出现阴性结果的计数，“c”是第 2 组阳性，而“d”是第 2 组阴性。您也可以点击快速示例查看其工作原理。
2. 选择检验方向 — 选择“双尾”以测试任何关联（最常见），如果您假设优势比小于 1 则选择“左尾”，如果您期望优势比大于 1 则选择“右尾”。
3. 设置显著性水平 — 选择 α（通常为 0.05）。较小的 α 需要更强的证据来拒绝原假设。
4. 解读结果 — 查看 p 值、优势比、相对危险度、马赛克图、超几何概率分布图以及详细的分步计算过程。

什么是费舍尔精确检验？

费舍尔精确检验（Fisher's exact test）由罗纳德·费舍尔爵士于 1935 年提出，是一种用于列联表中分类数据的统计显著性检验。它用于确定两个分类变量之间是否存在非随机关联。该检验被称为“精确”，是因为它在独立性的原假设下计算获得观察数据（或更极端数据）的精确概率，而不是像卡方检验那样依赖近似值。

超几何分布公式

在边际总计固定的情况下，观察到特定 2×2 表格的概率由超几何分布给出：

其中 R₁、R₂ 是行总计，C₁、C₂ 是列总计，N 是总计。该公式计算了在表格中观察到完全相同数值排列的精确概率。

何时使用费舍尔精确检验

• 小样本量 — 当任何期望单元格计数小于 5 时，卡方近似变得不可靠，建议使用费舍尔检验
• 2×2 表格 — 该检验专门为二乘二列联表设计
• 需要精确推断 — 当您需要精确 p 值而非渐近近似值时
• 临床试验 — 常用于医学研究中比较治疗组与对照组的结果
• 质量控制 — 测试不同工艺或批次之间的不合格率是否存在差异

费舍尔精确检验 vs. 卡方检验

两种检验都用于评估列联表中的独立性，但它们的方法不同：

• 费舍尔检验计算精确概率；卡方检验使用大样本近似
• 费舍尔检验无论样本量大小始终有效；卡方检验要求期望计数 ≥ 5
• 对于大样本，两种检验给出的结果几乎相同，但卡方检验计算速度更快
• 对于非常大的表格（N > 1000），费舍尔检验的计算强度会变得很高

理解优势比和相对危险度

优势比 (OR) 衡量两个事件之间关联的强度。OR = (a × d) / (b × c)。OR 为 1 意味着没有关联，OR > 1 意味着第 1 组中更容易出现该结果，而 OR < 1 意味着第 2 组中更容易出现。95% 置信区间有助于评估 OR 是否在统计上与 1 有显著差异。

相对危险度 (RR) 比较两组之间结果的概率。RR = [a/(a+b)] / [c/(c+d)]。虽然当结果罕见时 OR 接近 RR，但对于常见结果，两者会有所背离。在回顾性研究中，RR 通常比 OR 更直观、更容易理解。

单尾 vs. 双尾检验

双尾检验累加所有概率等于或低于观察表格概率的所有可能表格的概率，而不考虑关联的方向。这是最常见且最保守的方法。单尾检验仅考虑一个方向的表格——左尾用于 OR < 1，右尾用于 OR > 1——且仅当您对效应方向有强烈的预验假设时才应使用。

常见问题解答

什么是费舍尔精确检验？

费舍尔精确检验是一种统计显著性检验，用于确定 2×2 列联表中两个分类变量之间是否存在非随机关联。与卡方检验不同，它使用超几何分布计算精确概率，这使其成为小样本或期望单元格计数低于 5 时的理想选择。

什么时候应该使用费舍尔精确检验而不是卡方检验？

当 2×2 表格中任何期望单元格计数小于 5、总样本量较小（通常小于 20-30）或当您想要精确 p 值而非近似值时，请使用费舍尔精确检验。无论样本量大小，费舍尔检验始终有效，而卡方检验是一种在小样本下会变得不可靠的近似方法。

单尾和双尾费舍尔精确检验有什么区别？

双尾检验检查变量之间是否存在任何方向的关联，是最常用的方法。单尾检验检查特定方向的关联：左尾检验优势比是否小于 1，右尾检验是否大于 1。除非您对效应方向有强烈的预验假设，否则请使用双尾检验。

费舍尔精确检验中的 p 值是如何计算的？

p 值是使用超几何分布计算的。对于行总数和列总数固定的给定 2×2 表，计算该表的精确概率。对于双尾检验，将所有可能概率等于或小于观察表格概率的表格概率进行求和。对于单尾检验，仅在一个方向上进行概率求和。

费舍尔精确检验中的优势比告诉了我什么？

优势比衡量两个分类变量之间关联的强度。优势比为 1 意味着没有关联。大于 1 意味着与第 2 组相比，第 1 组出现阳性结果的几率更高。小于 1 意味着第 2 组的几率更高。95% 置信区间有助于评估关联是否具有统计意义——如果区间包含 1，则关联可能不显著。