费舍尔精确检验

费舍尔精确检验 (Fisher's Exact Test)

费舍尔精确检验，英文为 Fisher's Exact Test，是统计学中一种用于分析列联表 (Contingency Table) 的精确显著性检验方法。由英国统计学家和遗传学家罗纳德·费舍尔 (Ronald A. Fisher) 于 20 世纪 20 年代提出，该方法最常用于检验 $2 \times 2$ 列联表中两个分类变量之间是否存在非随机的关联。与依赖大样本近似的卡方检验不同，费舍尔精确检验直接计算在行与列边际总和固定的条件下，观测到当前表格或更极端表格的精确概率，因此特别适用于小样本情况。

该检验属于非参数检验的范畴，不依赖于数据服从特定分布的假设，而是基于超几何分布 (Hypergeometric Distribution) 来计算精确的 $p$ 值。与卡方检验相比，其最大优势在于不依赖渐近理论，在任何样本量下都能给出准确的显著性水平，不会因期望频数过低而产生偏误。

历史背景：女士品茶实验

费舍尔精确检验的诞生源于一个著名的统计思想实验——女士品茶 (Lady Tasting Tea)。费舍尔的一位同事 Muriel Bristol 声称自己能分辨奶茶中是先加奶再加茶，还是先加茶再加奶。费舍尔为此设计了一个随机化实验：准备 8 杯奶茶，4 杯先加奶后加茶（方式 A），4 杯先加茶后加奶（方式 B），以随机顺序让 Bristol 品尝并判断每杯的制作方式。实验的结果构成了一个 $2 \times 2$ 列联表，行代表实际制作方式，列代表她的判断。费舍尔试图回答：若 Bristol 毫无分辨能力（原假设成立），仅凭运气猜对这么多杯或更多的概率是多少？他由此发展出了基于超几何分布的概率计算方法，即后来的费舍尔精确检验。

方法原理

$2 \times 2$ 列联表结构

考虑如下 $2 \times 2$ 列联表：

| | 成功 | 失败 | 合计 | |---|---|:---:|:---:| | 组1 | $a$ | $b$ | $a+b$ | | 组2 | $c$ | $d$ | $c+d$ | | 合计 | $a+c$ | $b+d$ | $n$ |

其中 $n = a+b+c+d$，行合计与列合计称为边际总和 (Marginal Totals)。费舍尔精确检验的中心思想在于：在行合计与列合计均固定不变的条件下，左上角单元格 $a$ 的取值服从超几何分布。换言之，当边际总和固定时，只要知道 $a$ 的值，整张表格就完全确定了；而 $a$ 的所有可能取值构成了一个有限的样本空间，我们可以在该空间上直接计算每个可能表格的精确概率。

$p$ 值的计算

在原假设 $H_0$（变量独立，即比值比 $\text{OR} = 1$）下，观测到特定表格的概率为：

该公式的含义是：在所有 $n$ 个观测中，有 $(a+c)$ 个被标记为"成功"，从中随机抽取 $(a+b)$ 个分配到组1，恰好有 $a$ 个成功的概率——这正是无放回抽样的超几何分布。

费舍尔精确检验的 $p$ 值定义为：在原假设下，观测到当前表格或更极端结果的概率之和。设观测值为 $a_{\text{obs}}$：

• 单侧检验：$p_{\text{one}} = \sum_{a=a_{\text{obs}}}^{\min(a+b, a+c)} P(a)$
• 双侧检验：$p_{\text{two}} = \sum_{a: P(a) \le P(a_{\text{obs}})} P(a)$

其中 $a$ 的取值范围受边际总和约束：最小为 $\max(0, a+c - (c+d))$，最大为 $\min(a+b, a+c)$。

与卡方检验的比较

| 方面 | 费舍尔精确检验 | 皮尔逊卡方检验 | |------|:----------:|:----------:| | 计算方式 | 超几何分布精确概率 | 卡方分布渐近近似 | | 样本要求 | 任意样本量，尤适小样本 | 期望频数通常须 ≥ 5 | | 精确性 | 精确 $p$ 值 | 近似 $p$ 值 | | 大表处理 | 计算量剧增 | 直接适用 | | 保守性 | 略微保守 | 小样本时可能过于激进 |

使用建议：对于 $2 \times 2$ 表且总样本量较小（$n < 40$ 或任一期望频数 < 5），应优先使用费舍尔精确检验。样本量充足时两种方法结论通常相近。对于大于 $2 \times 2$ 的表，可使用费舍尔-弗里曼-哈尔顿精确检验 (Fisher-Freeman-Halton Exact Test)，但计算强度随维度增加呈指数级增长；在期望频数满足条件时，卡方检验仍是处理大表的主流选择。

假设条件

1. 独立性：各观测值之间相互独立，通常依靠随机抽样或随机分配的研究设计来保证。
2. 固定边际：行合计与列合计被视为固定值，源于实验设计阶段的样本量和结果计数设定。即使边际在观察性研究中并非事先固定，将其条件化处理仍是有效的推断策略。
3. 二元分类：两个变量均需为互斥且穷尽的二分类别。连续变量须合理二分化，但会导致信息损失，需谨慎为之。

实际应用领域

• 医学统计学：比较两种治疗方案的治愈率，尤其适用于罕见病临床试验中的小样本或低发生率结局（如罕见不良反应）的情形。
• 生物信息学：在基因本体 (GO) 富集分析中检验特定通路的差异表达基因是否显著富集，是该领域的基准方法。
• 心理学与社会学：分析小规模问卷调查中两个分类变量（如性别与某种态度）之间的关联。
• A/B 测试：在小流量实验且转化事件发生频次较低时，比较实验组与对照组的转化率差异。
• 法学与法医学：在陪审团选择、雇佣歧视案件等情境中分析分类数据的系统性偏差。

局限性与注意事项

1. 保守性：真实第一类错误率通常低于名义 $\alpha$，因离散型统计量 $a$ 只能取整数，无法精确达到任意 $\alpha$ 水平。这种保守性在小样本中更明显，可能导致统计功效下降。
2. 无条件检验的争论：部分统计学家主张使用不固定边际的"无条件精确检验"（如 Barnard 检验或 Boschloo 检验），可能在特定情境下具有更高功效。但费舍尔精确检验因其简明性和历史地位，仍是最广泛使用的精确方法。
3. 计算问题：大样本时阶乘计算困难，现代算法（如 Mehta 和 Patel 的网络算法）已大幅提升了可行性，但极大规模下仍需依赖近似方法。
4. 效应量：该检验仅回答"关联是否存在"，不量化关联强度，应同时报告比值比 (Odds Ratio) 及其置信区间。

小结

费舍尔精确检验是分析 $2 \times 2$ 列联表最经典且最可靠的方法之一，尤其在小样本和稀疏数据情境下具有不可替代的地位。它基于超几何分布给出精确 $p$ 值，避免了卡方检验在小样本时近似不准确的问题。尽管存在一定的保守性和计算复杂性，随着现代计算机算力的提升，其应用已从医学、生物学扩展至社会科学和商业分析等多个领域。在实践中，研究者应结合效应量估计与精确检验结果，对分类变量间的关联做出全面判断。