So nutzen Sie den McNemar-Test-Rechner
Der McNemar-Test-Rechner ermöglicht Ihnen die statistische Auswertung abhängiger kategorialer Stichproben in einer 2×2-Vierfeldertafel. Ob in der klinischen Forschung, Psychologie oder Marktforschung: Mit diesem Tool prüfen Sie präzise, ob sich dichotome Merkmale zwischen zwei verbundenen Messungen signifikant unterscheiden:
- Beobachtungswerte eingeben — Tragen Sie die Häufigkeiten für die vier Zellen der Kontingenztafel ein: Zelle $a$ (Vorher: positiv / Nachher: positiv), Zelle $b$ (Vorher: positiv / Nachher: negativ), Zelle $c$ (Vorher: negativ / Nachher: positiv) sowie Zelle $d$ (Vorher: negativ / Nachher: negativ).
- Stetigkeitskorrektur wählen — Aktivieren Sie bei Bedarf die Stetigkeitskorrektur nach Edwards, um die Anpassung der diskreten Binomialverteilung an die kontinuierliche Chi-Quadrat-Verteilung zu optimieren.
- Signifikanzniveau festlegen — Wählen Sie das gewünschte Alpha-Niveau (z. B. 0,05 für 95 % Konfidenz) und die Testrichtung (zweiseitig oder einseitig).
- Ergebnisse ablesen — Der McNemar-Test-Rechner ermittelt sofort die Prüfgröße $\chi^2$, die Freiheitsgrade ($df = 1$), den p-Wert und die statistische Testentscheidung zur Nullhypothese.
Formeln & Methodik im McNemar-Test-Rechner
Der McNemar-Test-Rechner basiert auf dem von Quinn McNemar 1947 eingeführten nicht-parametrischen Testverfahren für verbundene Stichproben mit dichotomen Merkmalen.
1. Struktur der 2×2-Vierfeldertafel
Die Daten werden in einer Kontingenztafel mit $2 \times 2$ Feldern dargestellt:
| Messung 1 \ Messung 2 | Nachher: Positiv (1) | Nachher: Negativ (0) | Zeilensumme |
|---|---|---|---|
| Vorher: Positiv (1) | $a$ (konkordant) | $b$ (diskordant) | $a + b$ |
| Vorher: Negativ (0) | $c$ (diskordant) | $d$ (konkordant) | $c + d$ |
| Spaltensumme | $a + c$ | $b + d$ | $N = a + b + c + d$ |
Die Nullhypothese ($H_0$) besagt, dass keine Veränderung der Randhäufigkeiten vorliegt ($p_b = p_c$). Die konkordanten Zellen $a$ und $d$ liefern keine Information über Richtungsänderungen; daher berücksichtigt der McNemar-Test-Rechner ausschließlich die diskordanten Zellen $b$ und $c$.
2. Chi-Quadrat-Statistik mit Stetigkeitskorrektur
Bei ausreichend großen diskordanten Fallzahlen ($b + c \ge 25$) folgt die Teststatistik näherungsweise einer Chi-Quadrat-Verteilung mit $df = 1$. Mit Stetigkeitskorrektur nach Edwards lautet die Formel:
$$\chi^2 = \frac{(|b - c| - 1)^2}{b + c}$$
Ohne Stetigkeitskorrektur berechnet sich die Prüfgröße als:
$$\chi^2 = \frac{(b - c)^2}{b + c}$$
Aus dem resultierenden $\chi^2$-Wert wird der p-Wert bestimmt. Liegt dieser unter dem gewählten Signifikanzniveau $\alpha$, wird die Nullhypothese verworfen.
Praxisbeispiel: Wirksamkeit einer Weiterbildung
Ein Unternehmen untersucht die Wirkung einer Schulung auf 100 Mitarbeiter (Prüfung bestanden: Ja/Nein):
- Zelle a (Vorher: Ja / Nachher: Ja): 40 Mitarbeiter
- Zelle b (Vorher: Ja / Nachher: Nein): 5 Mitarbeiter
- Zelle c (Vorher: Nein / Nachher: Ja): 25 Mitarbeiter
- Zelle d (Vorher: Nein / Nachher: Nein): 30 Mitarbeiter
Berechnung der Prüfgröße mit Stetigkeitskorrektur:
$$\chi^2 = \frac{(|5 - 25| - 1)^2}{5 + 25} = \frac{(20 - 1)^2}{30} = \frac{19^2}{30} = \frac{361}{30} \approx 12{,}033$$
Der zugehörige p-Wert beträgt $p \approx 0{,}00052$. Da $p < 0{,}05$, bestätigt der McNemar-Test-Rechner eine statistisch hochsignifikante Verbesserung der Bestehensquote durch die Schulung.
Typische Anwendungsbereiche des McNemar-Tests
Der McNemar-Test-Rechner ist ein unverzichtbares Werkzeug für vielfältige empirische Fragestellungen:
- Medizinische Diagnostik: Vergleich zweier bildgebender Diagnoseverfahren (z. B. MRT vs. CT) an denselben Patienten.
- Klinische Interventionsstudien: Erfassung des Therapieerfolgs (Symptom vorhanden / symptomfrei) vor und nach einer medikamentösen Behandlung.
- Marktforschung & Panel-Befragungen: Messung von Änderungen der Markenpräferenz vor und nach einer Werbekampagne bei denselben Befragten.
- Usability- & Software-Tests: Vergleich der Erfolgsquote bei der Aufgabenerledigung mit zwei unterschiedlichen Benutzeroberflächen.
Verwenden Sie den McNemar-Test-Rechner, um Ihre Vorher-Nachher-Experimente transparent auszuwerten und fundierte wissenschaftliche Schlussfolgerungen zu ziehen.