耶茨连续性校正2 x 2列联表

我想收集有关2 x 2列联表的Yates连续性校正领域的人们的意见。维基百科文章提到它可能会调整得太远，因此仅在有限的意义上使用。这里的相关文章没有提供更多的见解。

那么对于定期使用这些测试的人，您有何想法？使用校正是否更好？

一个真实的例子，在95％的置信水平下会产生不同的结果。请注意，这是一个作业问题，但是我们的班级根本不处理Yates的连续性校正，因此，即使您没有为我做作业，也请入睡。

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)    

与费舍尔的“精确”测试相比，耶茨的更正导致测试更为保守。

这是Stefanescu等人撰写的有关使用Yates的连续性校正的在线教程，其中明确指出了针对连续性进行系统校正的各种缺陷（第4-6页）。引用阿格里斯蒂（CDA 2002），“耶茨（1934）提到费舍尔向他建议进行超几何测试以进行精确测试”，这导致了的连续性校正版本。Agresti还指出，费舍尔的测试是一个很好的选择，因为即使是大样本，计算机也可以做到（第103页）。现在，关键是选择一个测试确实取决于所提出的问题以及每个测试所做出的假设（例如，在Fisher检验的情况下，我们假设边距是固定的）。$\chi^2$

在您的情况下，Fisher测试和校正后的一致，并且值大于5％。在普通的情况下，如果使用Monte Carlo方法计算（请参阅参考资料），那么它也无法达到显着性。$\chi^2$$p$$\chi^2$$p$simulate.p.value

其他有关小样本量问题和费舍尔检验过度使用的有用参考资料包括：

• I.坎贝尔，卡方检验和费舍尔-欧文两两表检验，并带有少量样本建议，《医学统计》 26（19）：3661–3675，2007。
• 马克·G·哈维兰德，耶茨的连续性校正和2×2列联表分析，《医学统计》 9（4）：363-367，1990。

如果计数不足，以至于您不应该担心Yates校正问题（例如您的示例），则可能应该使用Fisher的精确检验。否则，我建议您在2x2表格上使用卡方检验后，使用对数比值z检验来确认您的检验。