McNemar 检验用哪些配对信息？

二分类时检验依赖两个方向的不一致对，衡量前后边际构成是否相同。一致对参与总体描述，但不进入该检验统计量。

配对卡方与一致性检验相同吗？

边际构成是否变化和同一个体的归类是否一致是两个问题，应分别读检验结果与一致性指标。

常规前后分类比较未自动控制时序变化及混杂；应报告配对关联，因果结论还需设计与识别依据。

更新于 2026-11-11

McNemar 检验用于同一对象前后两次的二分类，检验两个转变方向的概率是否相同，而不是检验两组独立样本。本例从不一致对读出后测阳性较多，同时把边际变化和个体一致性分开；SPSS 是软件名称，本文在独立平台 SPSSAI 演示。

以下结果来自本站演示数据（模拟生成，不代表真实研究结论），使用全部 300 行记录。每行是同一对象的干预前检出与干预后检出，两列均采用阳性、阴性标签；本例没有使用频数权重，所有计数都来自逐行配对记录。

数据结构决定检验问题。若两列来自不同名单，仅按表格行号拼到一起并未创造配对设计；若一行代表多个对象，则需有明确的汇总计数依据，不宜把另一项测量值顺手当作权重。本次固定演示没有这类汇总操作。

检验与图表都应保留变量顺序，尤其是比例差和 OR，换顺序后符号或比值方向也会改变。复现研究时还应保存类别排序及缺失处理，避免把两版标签不同的输出直接拼成同一段结果。

本次由阳性转阴性有 32 对，由阴性转阳性有 62 对，两方向合计 94 对。连续性校正主检验 χ²(1)=8.947，原始 p=0.003，提示前后边际分布存在差异；精确二项检验在当前显示精度下给出相同 p 值口径的结论。

前后检出状态的边际百分比对照柱形图

柱形图呈现各时点的边际构成，却没有把每个人的转变路径画出来。因此读图发现阳性构成上升后，还需回到配对表确认两方向的频数；仅凭两根柱的高度，既不宜重建全部配对信息，也不宜选择独立样本检验。

前后检出配对列联表与检验界面截图

一致对子属于总体描述的重要部分，但主检验的统计量由不一致方向的不对称构成。对象归类有多少保持相同与哪一个转变方向更多，是两项独立的研究问题；一致性需要读对应指标，显著的边际变化并不自动表示一致性很差。

报告按前测阳性比例减后测阳性比例定义差值，得到 −0.100，95%CI [−0.162, −0.038]。负值对应后测阳性占比更高；这是配对口径的比例差，不是普通独立样本比例差，也没有单凭这项观察建立干预引起变化的证据。

McNemar OR 为 0.516，95%CI [0.337, 0.791]，定义为阳转阴频数除以阴转阳频数。它描述两种转变方向的相对频数，不应改写成后测阳性的普通风险比；区间的对象、比值顺序和研究设计要与估计一起记录。

边际变化与个体一致性两类研究问题的登记表

记录单将总体构成与个体判定放在不同栏目，便于写作时选择对应证据。本例 Cohen κ=0.356，95%CI [0.251, 0.460]；它衡量扣除随机一致后的归类一致性，与前面的边际差异检验并不冲突，也不应合并成一句“结果一致所以没有变化”。

可写：「对演示配对检出记录作连续性校正 McNemar 分析，前后边际分布存在显著差异；按前测减后测定义的比例差为负，结合配对表可见阴转阳多于阳转阴。」正式稿再附原始配对表、区间及抽样设计，使读者能复核方向与分析单位。

该段只报告边际关联。若主检验未显著，应保留比例差及精度，表述为尚无充分证据；若不一致对不足以计算某项估计，应报告不可估计和原因，不宜将未计算的 OR 当成无效应。在本例中主检验与效应估计均有有效输出。

分类结果报告的对象标识与数据版本归档流程

流程图补充数据版本和配对对象的追溯材料，帮助防止前后两列在流转中被分别排序。演示数据不用登录就能跑；用自己的数据分析、导出 Word / PDF 报告、使用 AI 解读需要开通会员，报告留档仍需保留统计方法及方向定义。