Q-тест Кокрена

Q-тест Кокрена (также известный как критерий Кокрена, Q-тест Кокрена для гетерогенности, англ. Cochran's Q test) — это статистический критерий, используемый для проверки гипотезы о том, что несколько связанных (парных) выборок имеют одинаковые эффекты или результаты. Он применяется в ситуациях, когда данные представлены в бинарной форме (например, «успех/неудача», «да/нет», «0/1») и измерены на одних и тех же субъектах или в сопоставимых условиях. Тест был разработан американским статистиком Уильямом Джемом Кокреном в 1950 году как обобщение критерия Мак-Немара для более чем двух связанных выборок.

История и происхождение

Уильям Джем Кокрен (1909–1980) — британский и американский математик и статистик, известный своими работами в области планирования экспериментов, анализа дисперсии и выборочных обследований. В 1950 году он опубликовал статью «The Comparison of Percentages in Matched Samples» в журнале Biometrika, где впервые описал Q-тест. Этот критерий стал логическим продолжением его исследований в области анализа бинарных данных, полученных в повторных измерениях или в условиях попарного сопоставления.

Изначально тест был разработан для анализа данных в медицинских исследованиях, где часто требуется сравнить эффективность нескольких методов лечения на одних и тех же пациентах. Позднее он нашёл широкое применение в социологии, психологии, экологии и других областях, где используются бинарные ответы.

Основные понятия и предположения

Q-тест Кокрена предназначен для проверки нулевой гипотезы \( H_0 \), которая утверждает, что все сравниваемые условия (или обработки) имеют одинаковую вероятность успеха. Альтернативная гипотеза \( H_1 \) предполагает, что хотя бы одно условие отличается от других.

Для корректного применения теста необходимо выполнение следующих условий:

1. Бинарные данные: Каждое наблюдение должно быть закодировано как 0 или 1.
2. Связанные выборки: Данные должны быть получены от одних и тех же субъектов (или объектов) в разных условиях, либо от попарно сопоставленных субъектов.
3. Случайность выборки: Наблюдения должны быть независимыми между субъектами, но не между условиями.
4. Достаточный объём выборки: Тест основан на асимптотическом приближении к распределению хи-квадрат, поэтому рекомендуется, чтобы общее количество наблюдений было не менее 20–30, а количество субъектов — не менее 5–10.

Формула и вычисление

Статистика Q-теста Кокрена вычисляется по формуле:

\[ Q = \frac{(k-1) \left( k \sum_{j=1}^{k} T_j^2 - \left( \sum_{j=1}^{k} T_j \right)^2 \right)}{k \sum_{i=1}^{n} R_i - \sum_{i=1}^{n} R_i^2} \]

где:

• \( k \) — количество условий (обработок, групп);
• \( n \) — количество субъектов (блоков);
• \( T_j \) — сумма успехов (единиц) в j-м условии;
• \( R_i \) — сумма успехов (единиц) у i-го субъекта по всем условиям.

При справедливости нулевой гипотезы статистика \( Q \) имеет асимптотическое распределение хи-квадрат с \( (k-1) \) степенями свободы. Если вычисленное значение \( Q \) превышает критическое значение из таблицы распределения хи-квадрат при заданном уровне значимости (обычно 0,05), нулевая гипотеза отвергается.

Пример использования

Рассмотрим гипотетическое исследование, в котором 10 пациентов (n=10) оценивают эффективность трёх различных методов лечения (k=3) головной боли. Результаты кодируются как 1 (боль прошла) и 0 (боль не прошла). Данные представлены в таблице:

Вычисляем:

• \( \sum T_j = 5 + 3 + 6 = 14 \)
• \( \sum T_j^2 = 25 + 9 + 36 = 70 \)
• \( \sum R_i = 2+1+3+0+2+1+3+0+2+0 = 14 \)
• \( \sum R_i^2 = 4+1+9+0+4+1+9+0+4+0 = 32 \)

Подставляем в формулу: \[ Q = \frac{(3-1) \left( 3 \cdot 70 - 14^2 \right)}{3 \cdot 14 - 32} = \frac{2 \cdot (210 - 196)}{42 - 32} = \frac{2 \cdot 14}{10} = 2,8 \]

Критическое значение хи-квадрат с 2 степенями свободы при уровне значимости 0,05 составляет 5,991. Поскольку 2,8 < 5,991, нулевая гипотеза не отвергается — нет статистически значимых различий между методами лечения.

Интерпретация результатов

Если Q-тест показывает статистическую значимость (p < 0,05), это означает, что хотя бы одно условие отличается от других. Однако тест не указывает, какие именно пары условий различаются. Для выявления конкретных различий применяют апостериорные (post-hoc) тесты, например, попарное сравнение с помощью критерия Мак-Немара с поправкой на множественные сравнения (например, поправка Бонферрони).

Связь с другими статистическими методами

Q-тест Кокрена является частным случаем более общего подхода — анализа дисперсии для бинарных данных. Он также тесно связан с:

• Критерий Мак-Немара: Q-тест обобщает его для случая k > 2.
• Критерий Фридмана: Q-тест является аналогом критерия Фридмана для бинарных данных (критерий Фридмана используется для порядковых или непрерывных данных).
• Логистическая регрессия с фиксированными эффектами: В некоторых случаях Q-тест может быть заменён более сложными моделями, но он остаётся простым и быстрым непараметрическим инструментом.

Ограничения и критика

Несмотря на популярность, Q-тест Кокрена имеет ряд ограничений:

1. Чувствительность к выбросам: Как и многие непараметрические тесты, он может давать неточные результаты при наличии редких событий (например, когда большинство субъектов имеют нулевые или единичные суммы).
2. Асимптотическое приближение: При малых выборках распределение Q может сильно отличаться от хи-квадрат, что требует использования точных методов или симуляций.
3. Отсутствие информации о величине эффекта: Тест проверяет только наличие различий, но не оценивает их размер.
4. Предположение о независимости блоков: Нарушение этого условия (например, кластеризация данных) может привести к завышению уровня значимости.

Применение в различных областях

Q-тест Кокрена используется в:

• Медицине: Сравнение эффективности нескольких методов лечения на одних и тех же пациентах (например, оценка обезболивающих препаратов).
• Психологии: Анализ результатов тестов, где испытуемые отвечают «да/нет» на разные стимулы.
• Социологии: Изучение влияния различных факторов на бинарные ответы респондентов.
• Экологии: Сравнение присутствия/отсутствия видов в разных условиях среды.
• Маркетинге: A/B-тестирование нескольких вариантов веб-страниц или рекламных объявлений.

Программная реализация

Q-тест Кокрена реализован в большинстве статистических пакетов:

• R: Функция CochranQTest из пакета DescTools или cochran.qtest из пакета RVAideMemoire.
• Python: Функция cochrans_q из библиотеки scipy.stats (начиная с версии 1.11.0) или ручная реализация.
• SPSS: В меню «Nonparametric Tests» → «Legacy Dialogs» → «K Related Samples» с выбором теста Кокрена.
• SAS: Процедура FREQ с опцией COCHRAN.
• Excel: Возможна ручная реализация с использованием встроенных функций.

Источники

1. Cochran, W. G. (1950). The Comparison of Percentages in Matched Samples. Biometrika, 37(3/4), 256–266.
2. Fleiss, J. L. (1981). Statistical Methods for Rates and Proportions (2nd ed.). John Wiley & Sons.
3. Sheskin, D. J. (2011). Handbook of Parametric and Nonparametric Statistical Procedures (5th ed.). Chapman and Hall/CRC.
4. Zar, J. H. (2010). Biostatistical Analysis (5th ed.). Pearson.