McNemar 검정 사용 시기
McNemar 검정은 동일한 참가자로부터 두 번의 관련 측정에서 이분형 결과의 비율이 변화하는지를 평가합니다. 대응표본 t-검정이 연속형 데이터를 위한 것이고 Wilcoxon 부호순위 검정이 서열 데이터를 위한 것처럼, McNemar 검정은 범주형 데이터를 위한 대응표본 분석입니다.
McNemar 검정은 다음 세 가지 조건이 모두 충족될 때 사용합니다:
- 대응 설계. 동일한 참가자가 두 시점(사전/사후)이나 두 조건(치료 A/치료 B)에서 측정됩니다.
- 이분형 결과. 종속변수가 정확히 두 범주를 가집니다(예/아니오, 합격/불합격, 있음/없음, 양성/음성).
- 변화에 관한 연구 질문. 한 범주의 비율이 두 측정 간에 다른지를 알고자 합니다.
일반적 적용 분야
McNemar 검정은 임상시험, 교육 연구, 프로그램 평가에서 자주 사용됩니다:
- 사전-사후 치료 연구. 중재 후 증상 X를 가진 환자의 비율이 감소했는가?
- 진단 검사 비교. 두 진단 방법이 동일한 환자에게 적용되었을 때 서로 다른 양성률을 산출하는가?
- 태도 변화 연구. 정보 노출 후 특정 입장을 지지하는 응답자의 비율이 변화했는가?
- 짝지은 환자-대조 연구. 짝지은 쌍 중에서 노출 상태가 특정 방향으로 불일치하는가?
McNemar vs. 카이제곱 vs. Cochran's Q
| 설계 | 집단 수 | 데이터 유형 | 적합한 검정 | |------|---------|-----------|-----------| | 두 독립 집단, 이분 결과 | 2 독립 | 명목 | 카이제곱 / Fisher 정확 | | 동일 참가자, 두 시점, 이분 | 2 관련 | 명목 | McNemar 검정 | | 동일 참가자, 3+ 시점, 이분 | 3+ 관련 | 명목 | Cochran's Q 검정 |
카이제곱 독립성 검정은 독립 집단을 위한 것입니다. McNemar 검정은 대응 이분형 데이터에 특화되어 있습니다. 대응 데이터에 카이제곱 검정을 사용하면 독립성 가정을 위반하여 부정확한 p값이 산출됩니다.
StatMate의 McNemar 검정 계산기로 직접 시도해 보십시오.
2×2 분할표의 이해
McNemar 검정은 각 참가자의 두 시점 반응을 교차 집계한 2×2 분할표에 기반합니다:
| | 사후: 양성 | 사후: 음성 | |--|----------|----------| | 사전: 양성 | a(일치) | b(불일치) | | 사전: 음성 | c(불일치) | d(일치) |
- 셀 a: 양 시점 모두 양성(변화 없음).
- 셀 d: 양 시점 모두 음성(변화 없음).
- 셀 b: 양성에서 음성으로 변화(불일치).
- 셀 c: 음성에서 양성으로 변화(불일치).
McNemar 검정은 불일치 쌍(셀 b와 c)만 검토합니다. 중재가 효과가 없다면, 양성에서 음성으로 전환한 사람 수(b)와 음성에서 양성으로 전환한 사람 수(c)가 대략 같아야 합니다.
McNemar 검정 통계량
카이제곱 근사(대표본):
χ² = (|b - c| - 1)² / (b + c)
-1은 연속성 보정으로, 소표본에서 근사를 개선합니다. 일부 소프트웨어는 이를 생략합니다:
χ² = (b - c)² / (b + c)
정확 검정(소표본):
불일치 쌍의 총 수(b + c)가 작을 때(일반적으로 < 25), 정확 이항 검정이 선호됩니다. b가 p = 0.5이고 n = b + c인 이항분포를 따르는지 검정합니다.
APA 보고 템플릿
카이제곱 근사(대표본)
McNemar 검정 결과, [시점 1]에서 [시점 2]로의 [결과] 변화가 통계적으로 유의한 것으로 나타났다, χ²(1, N = XX) = X.XX, p = .XXX, OR = X.XX.
정확 검정(소표본)
McNemar 정확 검정 결과, [시점 1]에서 [시점 2]로의 [결과] 변화가 통계적으로 유의한 것으로 나타났다, p = .XXX, OR = X.XX, 95% CI [X.XX, X.XX].
참고: 정확 검정은 카이제곱 통계량을 산출하지 않습니다. p값과 효과크기만 보고합니다.
필수 구성요소
모든 McNemar 검정 보고에는 다음이 포함되어야 합니다:
- 첫 번째 언급 시 전체 검정 명칭(McNemar 검정 또는 McNemar 정확 검정).
- 표본 크기(N).
- 각 시점의 비율.
- 2×2 분할표 또는 최소한 불일치 셀 빈도.
- 검정 통계량(근사의 경우 χ², df = 1, 또는 정확 검정의 경우 없음).
- 정확한 p값(또는 p < .001).
- 효과크기: 95% 신뢰구간이 포함된 오즈비(OR).
- 변화의 방향을 명시적으로 기술.
단계별 예시: 사전-사후 치료(이분 결과)
시나리오
임상연구자가 금연 프로그램이 흡연 상태를 변화시키는지 평가합니다. 60명의 참가자가 기저선(프로그램 이전)과 12주 추적(프로그램 이후)에서 평가됩니다. 흡연 상태는 이분형: 흡연자 또는 비흡연자입니다.
1단계: 2×2 분할표 제시
| | 추적: 흡연자 | 추적: 비흡연자 | 합계 | |--|-----------|-------------|------| | 기저선: 흡연자 | 18(a) | 22(b) | 40 | | 기저선: 비흡연자 | 5(c) | 15(d) | 20 | | 합계 | 23 | 37 | 60 |
기저선에서 60명 중 40명(66.7%)이 현재 흡연자였다. 12주 추적에서 60명 중 23명(38.3%)이 현재 흡연자였다.
2단계: 불일치 쌍 식별
McNemar 검정의 핵심 정보는 비대각선 셀에 있습니다:
- 22명이 흡연자에서 비흡연자로 변화(b = 22).
- 5명이 비흡연자에서 흡연자로 변화(c = 5).
- 전체 불일치 쌍: b + c = 27.
3단계: 검정 결과 보고
McNemar 검정 결과, 기저선에서 12주 추적으로의 흡연 상태 변화가 통계적으로 유의한 것으로 나타났다, χ²(1, N = 60) = 9.48, p = .002, OR = 4.40, 95% CI [1.66, 14.60]. 흡연자 비율이 기저선의 66.7%에서 추적 시 38.3%로 감소하였다. 상태가 변화한 27명의 참가자 중 22명이 금연하고 5명이 흡연을 시작하여, 금연 방향의 오즈비 4.40을 산출하였다.
4단계: 오즈비 산출
McNemar 검정의 오즈비:
OR = b / c = 22 / 5 = 4.40
이는 참가자가 비흡연자에서 흡연자로 변할 가능성에 비해 흡연자에서 비흡연자로 변할 가능성이 4.40배 더 높았음을 의미하며, 금연 프로그램의 상당한 효과를 나타냅니다.
완전한 APA 문단
12주 금연 프로그램이 흡연 상태를 변화시키는지를 평가하기 위해 McNemar 검정을 사용하였다(N = 60). 기저선에서 40명(66.7%)이 현재 흡연자였다. 추적에서 23명(38.3%)이 현재 흡연자였다. 상태가 변화한 참가자 중 22명이 흡연자에서 비흡연자로 전환하였고 5명이 비흡연자에서 흡연자로 전환하였다. McNemar 검정 결과, 흡연 상태의 변화가 통계적으로 유의한 것으로 나타났다, χ²(1, N = 60) = 9.48, p = .002, OR = 4.40, 95% CI [1.66, 14.60]. 참가자가 흡연을 시작할 가능성에 비해 금연할 가능성이 4.40배 더 높았으며, 이는 금연 프로그램이 흡연 유병률에 의미 있는 감소를 가져왔음을 나타낸다.
효과크기: 오즈비
McNemar 검정의 표준 효과크기는 불일치 셀에서 산출하는 오즈비(OR)입니다:
OR = b / c
오즈비 해석
| OR 값 | 해석 | |--------|------| | 1.00 | 변화율에 차이 없음; 양 방향의 전환이 동일 | | > 1.00 | 범주 1에서 범주 2로 변화한 참가자가 더 많음(셀 b > 셀 c) | | < 1.00 | 범주 2에서 범주 1로 변화한 참가자가 더 많음(셀 c > 셀 b) |
OR이 1.00에서 멀어질수록 효과가 강합니다. Chen et al.(2010)은 오즈비에 대해 다음 기준을 제안하였습니다:
| OR | 해석 | |----|------| | 1.5 | 작은 효과 | | 2.5 | 중간 효과 | | 4.3 | 큰 효과 |
금연 예시에서 OR = 4.40은 큰 효과를 나타냅니다.
오즈비의 신뢰구간
항상 OR의 95% CI를 보고하십시오. 구간은 추정의 정밀도에 관한 정보를 제공합니다:
- CI가 1.00을 배제하면 결과가 통계적으로 유의합니다.
- CI가 1.00을 포함하면 결과가 유의하지 않습니다.
- 좁은 CI: 정밀한 추정.
- 넓은 CI: 부정밀한 추정; 더 많은 데이터 필요.
OR = 4.40, 95% CI [1.66, 14.60]
구간이 1.00을 배제하여 통계적 유의성을 확인합니다. 그러나 넓은 구간(1.66~14.60)은 정확한 크기에 대한 불확실성을 반영하며, 더 큰 표본이 정밀도를 개선할 것임을 시사합니다.
정확 검정 vs. 카이제곱 근사: 사용 시기
정확 이항 검정(소표본)
불일치 쌍의 총 수(b + c)가 작은 경우, 일반적으로 25 미만일 때 정확 McNemar 검정을 사용합니다. 정확 검정은 이항분포 하에서의 확률을 직접 계산합니다.
McNemar 정확 검정 결과, 진단 결과의 통계적으로 유의한 변화가 나타났다, p = .039, OR = 5.00, 95% CI [1.05, 56.15]. 11개의 불일치 쌍 중 10쌍이 음성에서 양성으로, 1쌍이 양성에서 음성으로 변화하였다.
카이제곱 근사(대표본)
b + c > 25일 때 카이제곱 근사를 사용합니다. 중간 크기의 표본(25-40 불일치 쌍)에는 연속성 보정을 포함합니다:
χ²(1, N = 80) = 12.57, p < .001, OR = 3.20, 95% CI [1.78, 6.31]
연속성 보정 없이(더 큰 표본에 권장):
χ²(1, N = 150) = 15.43, p < .001, OR = 2.85, 95% CI [1.72, 4.93]
결정 가이드
| 불일치 쌍(b + c) | 방법 | 이유 | |------------------|------|------| | < 25 | 정확 이항 | 카이제곱 근사가 신뢰할 수 없음 | | 25-40 | 연속성 보정이 있는 카이제곱 | 보정이 근사를 개선 | | > 40 | 카이제곱(보정 유무 무관) | 근사가 정확함 |
사용한 방법을 항상 명시하십시오.
비유의한 McNemar 결과 보고
미디어 리터러시 워크숍이 참가자의 허위 정보 식별 능력을 변화시키는지를 결정하기 위해 McNemar 검정을 실시하였다(N = 45). 사전검사에서 45명 중 28명(62.2%)이 허위 정보 항목을 올바르게 식별하였다. 사후검사에서 45명 중 31명(68.9%)이 올바르게 식별하였다. McNemar 검정 결과, 통계적으로 유의한 변화가 나타나지 않았다, χ²(1, N = 45) = 1.29, p = .257, OR = 1.67, 95% CI [0.62, 5.15]. 허위 정보를 식별하는 비율이 6.7%p 증가하였으나, 이 변화는 통계적으로 유의하지 않았다. 오즈비의 신뢰구간이 1.00을 포함하여 의미 있는 변화의 증거가 불충분함을 나타낸다.
핵심 원칙:
- 정확한 p값을 보고합니다("p = n.s."가 아님).
- 효과크기와 신뢰구간을 포함하고 해석합니다.
- 관찰된 변화의 방향을 기술합니다.
- 중재가 "효과가 없었다"고 주장하는 것을 피합니다.
진단 검사 비교를 위한 McNemar
동일한 환자에게 적용된 두 진단 절차를 비교하는 일반적 적용:
시나리오
영상의학과 의사가 100명의 환자에서 MRI와 CT 스캔이 특정 병변을 검출하는 데 서로 다른 양성률을 산출하는지 평가합니다. 모든 환자에게 두 스캔이 모두 수행됩니다.
| | CT: 양성 | CT: 음성 | 합계 | |--|---------|---------|------| | MRI: 양성 | 35(a) | 18(b) | 53 | | MRI: 음성 | 7(c) | 40(d) | 47 | | 합계 | 42 | 58 | 100 |
100명 모든 환자에게 MRI와 CT 스캔이 수행되었다. MRI는 53명(53.0%)에서, CT는 42명(42.0%)에서 병변을 검출하였다. McNemar 검정 결과, 두 방법 간 검출률에 통계적으로 유의한 차이가 나타났다, χ²(1, N = 100) = 4.00, p = .046, OR = 2.57, 95% CI [1.07, 7.27]. MRI가 CT가 놓친 병변을 검출한 경우(18건)가 그 반대(7건)보다 유의하게 많았다.
복수의 이분 결과에 대한 McNemar 보고
중재 전후에 측정된 여러 이분 결과가 있는 경우, 다중 비교 보정을 적용하여 별도의 McNemar 검정을 실시합니다:
각 증상에 대해 Bonferroni 보정(세 검정에 대한 보정된 alpha = .017)을 적용한 McNemar 검정을 실시하였다. 중재는 불면증(p = .003, OR = 4.50)과 두통(p = .008, OR = 3.20)의 유병률을 유의하게 감소시켰으나, 피로(p = .125, OR = 1.80)에서는 유의한 변화가 없었다.
가정과 제한점
McNemar 검정에 필요한 요건:
- 대응 관측. 각 참가자가 양 시점에서 모두 측정되어야 합니다.
- 이분형 결과. 종속변수가 정확히 두 범주여야 합니다.
- 독립적 쌍. 서로 다른 참가자의 대응 관측이 서로 독립적이어야 합니다.
주의할 제한점:
- 일치 쌍에 대한 효과크기 없음. 검정은 불일치 쌍(b와 c)만 사용합니다. 일치 쌍(a와 d)은 변화에 대한 정보를 기여하지 않습니다.
- 불일치 쌍이 적으면 검정력 낮음. 대부분의 참가자가 상태를 변경하지 않으면 표본 크기와 관계없이 검정의 검정력이 제한됩니다. 검정력은 N이 아닌 b + c에 의존합니다.
- 이분 결과만 가능. 서열 대응 데이터에는 Wilcoxon 부호순위 검정을, 3개 이상 범주의 명목 데이터에는 Stuart-Maxwell 검정 또는 Bhapkar 검정을 사용하십시오.
McNemar 검정 보고의 흔한 실수
1. McNemar 대신 카이제곱 독립성 검정 사용
가장 중대한 오류입니다. 카이제곱 독립성 검정은 독립적 관측을 가정합니다. 대응 데이터는 이 가정을 위반합니다. 대응 데이터에 카이제곱을 사용하면 피험자 내 상관을 무시하여 부정확한 p값이 산출됩니다. 대응 이분 데이터에는 항상 McNemar 검정을 사용하십시오.
2. 분할표 누락
2×2 분할표(또는 최소한 불일치 셀 빈도) 없이는 독자가 변화의 패턴을 평가할 수 없습니다. 항상 전체 분할표를 제시하거나 b와 c를 명시적으로 보고하십시오.
3. 주변 비율만 보고
"사전검사에서 65%가 양성이고 사후검사에서 45%가 양성이었다"라고 교차표 없이 기술하면 변화의 패턴이 가려집니다. 두 참가자가 반대 방향으로 변할 수 있습니다: 일부는 양성에서 음성으로, 다른 일부는 음성에서 양성으로. 2×2 분할표가 이 양방향 변화를 드러냅니다.
4. 효과크기 누락
APA 7판은 모든 추론적 검정에 효과크기를 요구합니다. McNemar 검정에서는 95% 신뢰구간이 포함된 오즈비를 보고하십시오.
5. 정확 검정 vs 근사 미명시
항상 정확 이항 검정을 사용했는지 카이제곱 근사를 사용했는지 명시하십시오. 특히 선택이 중요한 소표본에서 그렇습니다.
6. 불일치 쌍이 적을 때의 낮은 검정력 무시
b + c가 매우 작은 경우(예: 10 미만), 검정의 검정력이 최소입니다. 이 경우 비유의한 결과는 신중하게 해석해야 하며, 낮은 검정력을 인정해야 합니다.
7. 비이분 결과에 McNemar 적용
McNemar 검정은 엄격하게 2×2 분할표를 위한 것입니다. 두 시점의 서열 결과에는 Wilcoxon 부호순위 검정을, 세 개 이상 시점의 이분 결과에는 Cochran's Q 검정을 사용하십시오.
McNemar 검정 APA 체크리스트
제출 전, 결과에 다음이 포함되어 있는지 확인하십시오:
- 첫 번째 언급 시 전체 검정 명칭(McNemar 검정 또는 McNemar 정확 검정)
- 전체 표본 크기(N)
- 레이블이 지정된 셀이 있는 2×2 분할표
- 각 시점의 비율
- 불일치 셀 빈도(b와 c)
- 검정 통계량(근사의 경우 χ², df = 1, 또는 정확 검정의 경우 없음)
- 정확 또는 근사 방법 사용 여부
- 정확한 p값(또는 p < .001)
- 효과크기: 95% 신뢰구간이 포함된 오즈비(OR)
- 변화의 방향을 명시적으로 기술
- OR 크기의 해석
자주 묻는 질문
McNemar 검정은 무엇에 사용되나요?
McNemar 검정은 동일한 참가자로부터 두 번의 관련 측정에서 이분형 결과의 비율이 변화하는지를 평가합니다. 사전-사후 연구, 진단 검사 비교, 짝지은 환자-대조 연구에서 이분 결과와 함께 사용됩니다.
McNemar 검정과 카이제곱 검정의 차이는 무엇인가요?
카이제곱 독립성 검정은 두 독립 집단을 위한 것입니다. McNemar 검정은 동일한 참가자로부터의 대응(관련) 관측을 위한 것입니다. 대응 데이터에 카이제곱 검정을 사용하면 독립성 가정을 위반하여 부정확한 결과가 산출됩니다.
정확 McNemar 검정 vs 카이제곱 근사는 언제 사용하나요?
불일치 쌍의 총 수(b + c)가 25 미만이면 정확 이항 검정을 사용합니다. b + c가 25를 초과하면 카이제곱 근사를 사용합니다. 불일치 쌍의 수가 적으면 근사가 신뢰할 수 없습니다.
McNemar 검정의 오즈비를 어떻게 계산하고 해석하나요?
오즈비는 OR = b / c이며, b와 c는 불일치 셀입니다. OR = 1.00은 양 방향의 동일한 변화를 의미합니다. OR > 1은 첫 번째 범주에서 두 번째 범주로의 변화가 더 많음을 의미합니다. 기준: OR 1.5는 작은 효과, 2.5는 중간 효과, 4.3은 큰 효과입니다.
b와 c가 모두 0이면 어떻게 하나요?
불일치 쌍이 없으면 분석할 변화가 없으므로 McNemar 검정을 실시할 수 없습니다. 모든 참가자가 시점 간에 동일한 상태를 유지했다고 보고하십시오. 이는 보고할 가치가 있는 실질적 발견입니다.
McNemar 검정을 두 개 이상의 시점에 사용할 수 있나요?
직접적으로는 불가합니다. 세 개 이상의 시점에서 측정된 이분 결과의 경우, Cochran's Q 검정을 옴니버스 검정으로 사용하고 Bonferroni 보정을 적용한 쌍별 McNemar 검정을 사후 비교로 사용하십시오.
McNemar 검정의 최소 표본 크기는 얼마인가요?
McNemar 검정은 큰 전체 표본이 아닌 충분한 불일치 쌍(b + c)을 필요로 합니다. b + c < 6이면 정확 검정이 alpha = .05에서 유의성을 달성할 수 없습니다. 중간 효과(OR = 2.5)를 검출하기 위한 적절한 검정력(.80)을 위해서는 최소 25-30개의 불일치 쌍을 목표로 하십시오.
StatMate의 무료 McNemar 검정 계산기
McNemar 검정을 수작업으로 계산하려면 분할표를 구성하고, 불일치 쌍을 식별하며, 정확 방법과 근사 방법 중 선택하고, 신뢰구간이 포함된 오즈비를 계산해야 합니다. StatMate의 McNemar 검정 계산기가 전체 과정을 자동화합니다:
- 즉시 APA 출력. 2×2 데이터를 입력하면 APA 7판으로 서식화된 출판 준비 결과 문단을 받습니다.
- 자동 방법 선택. StatMate가 불일치 쌍 수에 따라 정확 방법과 카이제곱 근사를 자동으로 선택합니다.
- CI가 포함된 효과크기. 오즈비와 95% 신뢰구간이 자동 계산됩니다.
- 시각적 출력. 조건 간 변화 패턴을 보여주는 흐름도.
- 원클릭 내보내기. 클립보드 복사, PDF, 또는 APA 형식 Word 문서(Pro).
수작업 셀 계산도, 이항표 참조도 필요 없습니다.