McNemar检验

McNemar检验的基本概念

McNemar检验（McNemar's Test）是一种用于配对分类数据的非参数统计检验方法，由美国统计学家昆西·麦克尼马尔（Quinn McNemar）于1947年提出。该方法专门用于分析配对设计（Matched Pairs Design）或自身对照设计（Self-controlled Design）中二分类结果变量的数据，其核心目的在于比较配对的两种处理或两个时间点的率或构成比是否存在显著差异。

McNemar检验适用于典型的配对四格表数据。假设有n对配对观测，每对观测给出两个二分类结果（如阳性/阴性、有效/无效、是/否）。配对数据可汇总为一个2×2列联表：设a为两种处理均为阳性的对子数，b为处理1为阳性而处理2为阴性的对子数，c为处理1为阴性而处理2为阳性的对子数，d为两种处理均为阴性的对子数。McNemar检验的核心思想是：仅关注那些结果不一致的对子（即b和c），因为一致的对子（a和d）不提供关于两种处理之间差异的信息。在原假设（两种处理的效应无差异）下，b和c应大致相等。

McNemar检验的统计量计算公式为χ² = (b − c)² / (b + c)，该统计量服从自由度为1的卡方分布。当b + c较小时（通常认为小于25），需使用连续性校正公式χ² = (|b − c| − 1)² / (b + c)或直接采用精确二项检验（Exact Binomial Test），因为此时卡方近似可能不够精确。McNemar检验的实质是在条件于不一致对子总数b + c的前提下，检验不一致方向是否对称，即检验b是否服从参数为n = b + c、p = 0.5的二项分布。

McNemar检验的提出背景

McNemar检验的提出源于配对实验设计中数据分析的特殊需求。在1940年代之前，研究者对于配对二分类数据的分析主要依赖于传统的皮尔逊卡方检验。然而，皮尔逊卡方检验要求各观测之间相互独立，其检验统计量基于所有四个格子计算，未能充分利用配对数据的结构信息，因此统计检验功效较低。

McNemar在1947年发表于《心理计量学》（Psychometrika）的论文中明确指出：当数据来自配对设计时，传统的独立样本卡方检验忽略了配对关系所蕴含的信息，导致检验结果偏于保守，即更容易犯第二类错误。他提出的检验方法仅利用不一致对子的信息，从而实现对配对数据的更有效分析。这一方法很快在生物统计学、医学研究、心理学、流行病学等领域得到广泛应用，成为配对二分类数据的标准分析方法。

McNemar检验与配对设计的联系

McNemar检验与配对设计之间存在密不可分的关系。配对设计是McNemar检验的应用前提，而McNemar检验则是配对二分类数据最常用的统计推断工具。在配对设计中，每个对子内部的两个观测共享相似的背景特征（年龄、性别、疾病严重程度等），因此对子内部的差异更可能反映真实的处理效应而非混杂因素的作用。

自身对照设计是McNemar检验的典型应用场景。在自身对照设计中，同一实验对象在接受两次不同处理或在一前一后两个时间点被观测，如比较某药物治疗前后患者症状的改善率。设治疗前症状阳性率为p₁，治疗后症状阳性率为p₂，McNemar检验的原假设为H₀：p₁ = p₂。配对病例对照研究是McNemar检验的另一重要应用领域。在1:1配对的病例对照研究中，每个病例匹配一个具有相同或相似特征的对照，比较病例组与对照组在暴露因素上的差异。此时McNemar检验用于检验暴露率差异的统计学显著性。

McNemar检验的变体与扩展

McNemar检验在实际应用中发展出了多种变体和扩展形式。当样本量较小或不一致对子数较少时，精确McNemar检验是更可靠的选择。精确McNemar检验基于二项分布直接计算p值，无需依赖卡方近似，因此在小样本情况下具有更好的统计性质。

对于配对多分类有序数据，Cochran-Armitage趋势检验或扩展的McNemar检验（Stuart-Maxwell检验）可用于分析超过两个类别的配对分类数据。Stuart-Maxwell检验是McNemar检验从2×2表向多类别表的推广，适用于分析配对多分类名义数据。当配对数据涉及多个处理组的比较时，可通过对每个处理组与对照组进行McNemar检验并采用多重比较校正（如Bonferroni校正）来控制总体第一类错误率。

配对设计的优势在McNemar检验中体现为更高的统计功效。相比于独立样本的卡方检验，McNemar检验利用了配对信息，有效控制了由个体差异带来的变异，从而在不增加样本量的情况下提高了检验的灵敏度。这一优势尤其明显当个体间变异较大而处理效应相对较小时。

McNemar检验的应用领域

McNemar检验在多个学科领域有着广泛的应用。在临床医学中，McNemar检验常用于比较两种诊断方法的灵敏度或特异度。例如，研究一种新的影像诊断方法相较于金标准方法的检出率差异时，同一组患者同时接受两种检查，结果以配对四格表呈现，McNemar检验用于判断两种方法的阳性检出率是否存在统计学差异。

在药物临床试验中，McNemar检验用于分析交叉设计试验数据。在交叉设计中，同一批受试者先后接受试验药物和安慰剂（或两种不同药物），其间有足够长的洗脱期以消除残余效应。McNemar检验可比较两种处理条件下的有效率。在行为科学中，McNemar检验用于分析干预前后行为改变的数据，如健康教育干预前后吸烟行为的转变——从吸烟转为不吸烟的人数与从不吸烟转为吸烟的人数之间的比较。

在流行病学中，McNemar检验是配对病例对照研究的标准分析方法。研究者通常针对每个病例匹配一个或多个对照，以年龄、性别、种族等变量进行匹配，然后比较两组在可疑危险因素暴露率上的差异。在经济社会学研究中，McNemar检验可用于分析同一组调查对象在政策实施前后态度或行为的改变，如比较居民在税收政策改革前后对纳税遵从度的自评结果。

McNemar检验的局限与注意事项

应用McNemar检验时需注意以下几个方面的问题。首先，McNemar检验要求配对观测之间的相关性是正向的——即同一对子内的两个观测应具有一定的相似性。如果配对无效，即对子内部两个观测的实际相关性很低甚至为负，McNemar检验可能产生误导性结果。其次，McNemar检验仅关注不一致对子，因此当不一致对子数很少时，即使总样本量很大，检验功效也可能不足。

过度匹配（Over-matching）也是使用McNemar检验时需要注意的问题。当匹配变量本身与处理因素高度相关而非仅与结局相关时，匹配可能引入偏倚。此外，McNemar检验的卡方近似在b + c较小（通常建议≥25）时精确度下降，此时应优先使用精确McNemar检验。最后，McNemar检验仅适用于检验方向不对称性，不能提供效应大小的估计，因此实际应用中通常需要配合效应量指标（如比值比及其置信区间）进行综合报告。