Korekta ciągłości Yatesa dla tabel awaryjności 2 x 2

Chciałbym zebrać informacje od ludzi w terenie na temat korekty ciągłości Yatesa dla tabel awaryjności 2 x 2. Artykuł w Wikipedii wspomina, że ​​może się za bardzo dostosować, dlatego jest używany tylko w ograniczonym sensie. Związane post tutaj nie oferuje znacznie głębszy wgląd.

Więc co myślisz o ludziach, którzy regularnie korzystają z tych testów? Czy lepiej jest użyć korekty, czy nie?

I przykład z prawdziwego świata, który przyniósłby różne wyniki przy poziomie ufności 95%. Zauważ, że to był problem z pracą domową, ale nasza klasa w ogóle nie zajmuje się korektą ciągłości Yatesa, więc śpij spokojnie wiedząc, że nie odrabiasz mojej pracy domowej dla mnie.

samp <- matrix(c(13, 12, 15, 3), byrow = TRUE, ncol = 2)
colnames(samp) <- c("No", "Yes")
rownames(samp) <- c("Female", "Male")

chisq.test(samp, correct = TRUE)
chisq.test(samp, correct = FALSE)    

Korekta Yatesa powoduje, że testy są bardziej konserwatywne niż w przypadku „dokładnych” testów Fishera.

Oto samouczek online na temat stosowania korekty ciągłości Yatesa , autorstwa Stefanescu i in., Który wyraźnie wskazuje na różne wady systematycznej korekty ciągłości (s. 4-6). Cytując Agresti ( CDA 2002), „Yates (1934) wspomniał, że Fisher zasugerował mu hipergeometrię dla dokładnego testu”, co doprowadziło do skorygowanej ciągłości wersji$\chi^2$. Agresti wskazał również, że test Fishera jest dobrą alternatywą, ponieważ komputery mogą to zrobić nawet w przypadku dużych próbek (s. 103). Chodzi o to, że wybór testu naprawdę zależy od postawionego pytania i założeń każdego z nich (np. W przypadku testu Fishera zakładamy, że marginesy są stałe).

W twoim przypadku Fisher przetestował i poprawił $\chi^2$ zgadzam się i ustępuję $p$-wartość powyżej 5%. W przypadku zwykłego$\chi^2$, gdyby $p$-wartości są obliczane przy użyciu podejścia Monte Carlo (patrz simulate.p.value), a następnie nie osiąga również znaczenia.

Inne przydatne odniesienia dotyczące problemów z małą wielkością próby i nadużywania testu Fishera obejmują:

• I. Testy Campbella, Chi-kwadrat i Fishera – Irwina dla tabel dwa na dwa z zaleceniami dla małych próbek , Statistics in Medicine 26 (19): 3661–3675, 2007.
• Mark G. Haviland, korekta ciągłości Yatesa i analiza tablic awaryjnych 2 × 2 , Statistics in Medicine 9 (4): 363–367, 1990.

Jeśli masz wystarczająco małą liczbę, aby Korekta Yatesa była zmartwieniem (jak w twoim przykładzie), prawdopodobnie powinieneś użyć dokładnego testu Fishera. W przeciwnym razie zalecam, aby po użyciu testu chi-kwadrat na stole 2x2 potwierdzić test za pomocą testu logarytmicznego ilorazu prawdopodobieństwa.