390. Test dokładny Fishera – kiedy stosować?

Test dokładny Fishera jest jednym z podstawowych sposobów analizy tabeli kontyngencji 2×2. W praktyce wykorzystuje się go przede wszystkim wtedy, gdy porównujemy dwie grupy względem wyniku binarnego, a liczebności są małe lub dane są silnie rozproszone. Nie jest jednak uniwersalnym zamiennikiem testu chi-kwadrat. W tej lekcji, należącej do modułu 20 kursu metodologii badań i statystyki na statystyku.edu.pl, wyjaśniamy, na czym polega test, jakie ma założenia, kiedy jest uzasadniony oraz jak raportować jego wynik.

1. Jaki problem rozwiązuje test dokładny Fishera?

Załóżmy, że badacz chce sprawdzić, czy dwie grupy różnią się częstością występowania określonego zdarzenia. Przykładowo można porównać:

• pacjentów leczonych standardowo i nową metodą pod względem wystąpienia powikłania;
• osoby narażone i nienarażone na czynnik ryzyka pod względem obecności objawu;
• studentów uczestniczących i nieuczestniczących w szkoleniu pod względem zaliczenia egzaminu;
• pacjentów przyjętych przez zespoły ratownictwa medycznego pod względem przeżycia do wypisu.

W każdym przypadku mamy dwie zmienne kategorialne. Jedna opisuje grupę, ekspozycję albo rodzaj postępowania, a druga wynik, często zakodowany jako „tak/nie”. Dane można przedstawić w tabeli 2×2:

	Wynik: tak	Wynik: nie	Suma
Grupa 1	a	b	a+b
Grupa 2	c	d	c+d
Suma	a+c	b+d	n

Hipoteza zerowa zwykle brzmi: nie ma związku między przynależnością do grupy a wynikiem. W ujęciu tabeli oznacza to niezależność zmiennych. Hipoteza alternatywna stwierdza, że taki związek istnieje albo że częstość wyniku jest większa w określonym kierunku.

Test Fishera ocenia, jak prawdopodobna byłaby zaobserwowana tabela oraz tabele co najmniej tak nietypowe, gdyby hipoteza zerowa była prawdziwa i gdyby ustalone były sumy brzegowe tabeli. Kluczowe jest słowo dokładny: metoda nie korzysta z przybliżenia rozkładu statystyki przez rozkład chi-kwadrat.

2. Dlaczego test nazywa się „dokładnym”?

W klasycznym teście chi-kwadrat wartość statystyki jest porównywana z rozkładem przybliżonym. Przy dostatecznie dużych liczebnościach takie przybliżenie może działać bardzo dobrze. Przy małych oczekiwanych liczebnościach rozkład przybliżony może jednak słabo odwzorowywać rzeczywisty rozkład wyników.

W teście Fishera, przy założeniu ustalonych sum brzegowych, prawdopodobieństwo konkretnej tabeli wynika z rozkładu hipergeometrycznego. Dla tabeli 2×2 zapisuje się je jako:

P(T) = [(a+b)! (c+d)! (a+c)! (b+d)!] / [a! b! c! d! n!]

W tym wzorze:

• a, b, c, d oznaczają liczebności czterech pól tabeli;
• n jest całkowitą liczebnością próby;
• ! oznacza silnię, czyli iloczyn kolejnych liczb całkowitych, na przykład 4! = 4 × 3 × 2 × 1;
• P(T) jest prawdopodobieństwem konkretnej tabeli przy ustalonych sumach brzegowych.

Wartość p nie jest zwykle prawdopodobieństwem jednej tabeli. Dla testu dwustronnego program sumuje prawdopodobieństwa tabel uznanych za co najmniej tak ekstremalne jak tabela obserwowana. To wymaga określenia, co znaczy „bardziej ekstremalna” tabela. W praktyce stosowane są różne konwencje, dlatego przy nietypowych danych warto sprawdzić sposób obliczania testu w używanym programie.

Test ma charakter warunkowy, ponieważ rozważa rozkład tabel przy danych sumach brzegowych. Nie oznacza to, że dane zostały losowo wygenerowane w sensie eksperymentalnym. „Dokładność” odnosi się do sposobu wyznaczania rozkładu odniesienia, a nie do jakości projektu badania.

3. Kiedy stosować test dokładny Fishera?

3.1. Mała liczebność próby

Najbardziej typową sytuacją jest mała próba, na przykład badanie pilotażowe, rzadkie powikłanie albo niewielka grupa pacjentów z określoną chorobą. Nie istnieje jedna uniwersalna granica liczebności, po której test Fishera staje się konieczny. Dawna reguła „gdy każda oczekiwana liczebność jest mniejsza niż 5” jest zbyt uproszczona jako jedyne kryterium decyzji.

Ważniejsze jest to, czy przybliżenie chi-kwadrat jest wiarygodne dla konkretnej tabeli. Należy patrzeć na liczebności oczekiwane, rozkład obserwacji i cel analizy. Gdy w komórkach występują bardzo małe wartości, w tym zera, test dokładny może być rozsądniejszym rozwiązaniem niż klasyczny test chi-kwadrat.

3.2. Rzadkie zdarzenia

Test Fishera bywa użyteczny, gdy badane zdarzenie występuje sporadycznie, na przykład ciężka reakcja niepożądana, zgon w krótkim okresie obserwacji, dodatni wynik rzadkiego testu diagnostycznego albo określone zachowanie w małej grupie klinicznej.

Rzadkość zdarzenia nie jest jednak automatycznym powodem do użycia testu. Trzeba nadal sprawdzić, czy dane są niezależne i czy tabela odpowiada pytaniu badawczemu.

3.3. Tabela 2×2 i niezależne obserwacje

Klasyczny test Fishera dotyczy tabeli 2×2, w której każda osoba wnosi jedną obserwację, a osoby należą do niezależnych jednostek. Nie należy stosować go bezpośrednio do danych sparowanych, na przykład do porównania wyniku u tych samych pacjentów przed leczeniem i po leczeniu. W takim przypadku właściwym narzędziem dla wyniku binarnego jest zwykle test McNemara, ponieważ analiza musi uwzględniać parowanie.

Podobnie nie można traktować wielu pomiarów tego samego pacjenta jako niezależnych osób. Narusza to założenie niezależności i może prowadzić do zaniżenia niepewności.

4. Przykład 1: powikłanie po zabiegu

W badaniu pilotażowym porównano 12 pacjentów otrzymujących standardową profilaktykę i 12 pacjentów otrzymujących nową profilaktykę. Powikłanie wystąpiło u 5 osób w grupie standardowej i u 1 osoby w grupie nowej:

	Powikłanie	Brak powikłania	Suma
Profilaktyka standardowa	5	7	12
Nowa profilaktyka	1	11	12
Suma	6	18	24

Ze względu na małą próbę i małą liczebność jednej z komórek można zastosować dwustronny test dokładny Fishera. Wynik testu należy przedstawić razem z miarą efektu, na przykład ilorazem szans oraz przedziałem ufności.

Surowe proporcje wynoszą 5/12, czyli 41,7%, w grupie standardowej oraz 1/12, czyli 8,3%, w grupie nowej. Sam test odpowiada na pytanie o zgodność danych z hipotezą niezależności. Nie informuje natomiast wystarczająco o wielkości różnicy ani o jej znaczeniu klinicznym.

Przykładowy zapis wyniku może wyglądać następująco: Występowanie powikłań porównano za pomocą dwustronnego testu dokładnego Fishera; podano również proporcje w grupach, iloraz szans i 95% przedział ufności. Wynik testu wskazywał na [brak lub obecność] statystycznie istotnego związku. W publikacji trzeba wpisać rzeczywistą wartość p i rzeczywistą miarę efektu, a nie samą nazwę testu.

5. Przykład 2: szkolenie i zaliczenie egzaminu

W małej grupie studentów pielęgniarstwa oceniono, czy udział w dodatkowym szkoleniu wiązał się z zaliczeniem egzaminu. W szkoleniu uczestniczyło 8 osób, z których 7 zdało egzamin. W grupie 9 osób bez szkolenia zdały 4 osoby.

	Zdał	Nie zdał	Suma
Szkolenie	7	1	8
Brak szkolenia	4	5	9
Suma	11	6	17

Test Fishera może być tu odpowiedni, ponieważ próba jest mała. Jeżeli hipoteza została określona przed analizą jako kierunkowa, na przykład szkolenie miało zwiększać szansę zdania, można rozważyć test jednostronny. Nie należy jednak wybierać testu jednostronnego dopiero po obejrzeniu danych i stwierdzeniu, że różnica pojawiła się w oczekiwanym kierunku.

Wniosek powinien być ostrożny. Nawet duża różnica proporcji w małej próbie może mieć szeroki przedział ufności. Ponadto w badaniu obserwacyjnym udział w szkoleniu może być związany z wcześniejszą wiedzą, motywacją lub innymi cechami. Sam test Fishera nie dowodzi, że szkolenie spowodowało lepszy wynik.

6. Co raportować oprócz wartości p?

Wynik testu Fishera nie powinien być prezentowany jako pojedyncza liczba bez kontekstu. Minimalny raport powinien obejmować:

1. liczebności w każdej komórce tabeli;
2. proporcje lub ryzyko zdarzenia w porównywanych grupach;
3. informację, czy test był jedno- czy dwustronny;
4. wartość p, najlepiej z dokładnością adekwatną do analizy;
5. miarę efektu, na przykład iloraz szans, ryzyko względne albo różnicę ryzyka;
6. przedział ufności dla miary efektu;
7. opis projektu i ocenę, czy obserwacje były niezależne.

W tabeli 2×2 iloraz szans można zapisać jako:

OR = (a × d) / (b × c)

gdzie a, b, c, d są liczebnościami czterech komórek. OR równy 1 oznacza brak różnicy w ilorazie szans, wartości większe od 1 wskazują na większe szanse wyniku w pierwszej grupie, a wartości mniejsze od 1 na mniejsze szanse. Gdy któraś komórka zawiera zero, iloraz szans może być nieskończony albo nieokreślony. Wówczas potrzebne są odpowiednie metody estymacji i ostrożny komentarz.

Wartość p nie jest prawdopodobieństwem, że hipoteza zerowa jest prawdziwa. Nie jest też prawdopodobieństwem, że wynik powstał „przez przypadek”. Jest miarą zgodności danych z hipotezą zerową przy określonym modelu i procedurze testowej. Istotność statystyczna nie jest równoznaczna z ważnością kliniczną, społeczną ani praktyczną.

7. Test Fishera a test chi-kwadrat

Oba testy mogą służyć do oceny niezależności w tabeli kategorialnej, ale opierają się na innym sposobie wyznaczania rozkładu odniesienia. Test chi-kwadrat korzysta z przybliżenia asymptotycznego, natomiast test Fishera wykorzystuje rozkład warunkowy tabel przy ustalonych sumach brzegowych. Klasyczna literatura dotycząca analizy danych kategorialnych omawia oba podejścia jako element szerszego warsztatu, a nie jako konkurencyjne procedury, z których jedna jest zawsze lepsza (Agresti, 2013).

Przy dużych próbach test Fishera może być obliczeniowo wymagający, szczególnie dla tabel większych niż 2×2, choć współczesne algorytmy znacznie rozszerzyły jego zastosowanie (Mehta i Patel, 1983). W tabelach r×c istnieją uogólnienia testu dokładnego, ale ich interpretacja i sposób obliczania zależą od struktury danych i oprogramowania.

W praktyce nie należy stosować testu Fishera mechanicznie do każdej tabeli zawierającej małą komórkę. Reguła decyzyjna powinna uwzględniać projekt badania, plan analizy, liczebności oczekiwane, liczbę kategorii oraz to, czy test jest analizą główną, czy jedną z wielu analiz eksploracyjnych.

Najczęstsze błędy

1. Traktowanie testu Fishera jako testu dla dowolnych małych prób

Mała próba nie naprawia błędów projektu. Jeżeli obserwacje są zależne, dane są wielokrotnie mierzone albo jednostki zostały błędnie zdefiniowane, test Fishera nie rozwiązuje problemu.

2. Analizowanie danych sparowanych jak niezależnych

Porównanie „przed–po” u tych samych osób wymaga uwzględnienia parowania. Zwykła tabela 2×2 analizowana testem Fishera może ignorować informację o tym, które obserwacje należą do tej samej osoby.

3. Raportowanie wyłącznie wartości p

Wartość p nie pokazuje kierunku ani wielkości efektu. Zawsze należy podać liczebności, proporcje oraz odpowiednią miarę efektu z przedziałem ufności, jeżeli można ją wiarygodnie oszacować.

4. Automatyczne stosowanie testu jednostronnego

Test jednostronny powinien wynikać z wcześniej określonej hipotezy kierunkowej. Nie powinien być sposobem na uzyskanie mniejszej wartości p po analizie danych.

5. Używanie testu Fishera do wnioskowania przyczynowego

Test ocenia związek między zmiennymi w określonym układzie danych. Nie dowodzi przyczynowości. Wniosek przyczynowy wymaga odpowiedniego projektu, kontroli zakłóceń i właściwego modelu analitycznego.

6. Pomijanie problemu wielu porównań

Jeżeli badacz wykonuje wiele testów Fishera dla licznych punktów końcowych lub podgrup, rośnie ryzyko uzyskania co najmniej jednego „istotnego” wyniku. Należy określić główny punkt końcowy, opisać analizy eksploracyjne i rozważyć odpowiednią kontrolę błędu wielokrotnego testowania.

Przykład praktyczny: analiza przypadku

Załóżmy, że oddział ratunkowy analizuje wystąpienie konieczności ponownej interwencji w ciągu 24 godzin. W grupie 10 pacjentów z zastosowaniem procedury A ponowna interwencja wystąpiła u 1 osoby, a w grupie 10 pacjentów z procedurą B u 4 osób.

Najpierw należy sprawdzić, czy grupy są niezależne i czy każda osoba została uwzględniona tylko raz. Następnie trzeba zdefiniować wynik: „ponowna interwencja w ciągu 24 godzin: tak/nie”. Tabela 2×2 jest odpowiednia, a mała próba uzasadnia rozważenie testu Fishera. Następnie należy obliczyć proporcje, miarę efektu i przedział ufności. Dopiero potem interpretuje się wartość p.

Jeśli p okaże się większe od przyjętego poziomu istotności, nie należy pisać, że „procedury są równoważne” ani że „nie ma żadnej różnicy”. Poprawniejszy wniosek brzmi: nie uzyskano wystarczających dowodów na związek między procedurą a ponowną interwencją w tej próbie. Szeroki przedział ufności może wskazywać, że badanie było zbyt małe, aby precyzyjnie ocenić efekt.

Co warto zapamiętać?

• Test dokładny Fishera służy głównie do analizy związku między dwiema zmiennymi kategorialnymi w tabeli 2×2.
• Jest szczególnie przydatny przy małych liczebnościach i rzadkich zdarzeniach, gdy przybliżenie chi-kwadrat może być niewiarygodne.
• Nie zastępuje testów dla danych sparowanych ani metod dla wielokrotnych pomiarów.
• „Dokładny” oznacza sposób wyznaczania rozkładu testowego, a nie gwarancję poprawności całego badania.
• Wartość p nie jest prawdopodobieństwem prawdziwości hipotezy zerowej.
• Wynik należy uzupełnić o proporcje, miarę efektu i przedział ufności.
• Test statystyczny nie dowodzi przyczynowości, jeśli projekt badania nie pozwala na wnioskowanie przyczynowe.

W kolejnych lekcjach modułu 20 można przejść od wyboru testu do interpretacji miar efektu dla danych binarnych. To właśnie połączenie procedury testowej z oceną wielkości i niepewności efektu pozwala uniknąć redukowania analizy do pytania, czy wartość p przekroczyła arbitralny próg.

Źródła i dalsza lektura

1. Fisher, R. A. (1935). The Logic of Inductive Inference. Journal of the Royal Statistical Society, 98(1), 39–82. DOI: 10.2307/2342435.
2. Agresti, Alan (2013). Categorical Data Analysis. 3rd edition. John Wiley & Sons. Informacja wydawcy / źródło.
3. Mehta, Cyrus R.; Patel, Nitin R. (1983). A Network Algorithm for Performing Fisher’s Exact Test in r × c Contingency Tables. Journal of the American Statistical Association, 78(382), 427–434. DOI: 10.1080/01621459.1983.10477989.
4. Mehta, Cyrus R.; Patel, Nitin R. (1986). Algorithm 643: FEXACT: A FORTRAN Subroutine for Fisher’s Exact Test on Unordered r × c Contingency Tables. ACM Transactions on Mathematical Software, 12(2), 154–161. DOI: 10.1145/6497.214326.
5. Warner, Pamela (2013). Testing association with Fisher’s Exact test. BMJ Sexual & Reproductive Health, 39(4), 281. DOI: 10.1136/jfprhc-2013-100747.
6. Clarkson, Douglas B.; Fan, J.; Joe, Harry (1993). A Remark on Algorithm 643: FEXACT: An Algorithm for Performing Fisher’s Exact Test in r × c Contingency Tables. ACM Transactions on Mathematical Software, 19(4), 484–488. DOI: 10.1145/168173.168412.

Więcej kolejnych lekcji publicznego szkolenia znajdziesz na statystyk.edu.pl.