Exakter-Fisher-Test-Rechner

Was ist der Exakte Test nach Fisher?

Der Exakte Test nach Fisher bestimmt, ob ein Zusammenhang zwischen zwei kategorialen Variablen besteht, wenn die Stichprobengrößen klein sind. Anders als der Chi-Quadrat-Test berechnet er exakte Wahrscheinlichkeiten, anstatt sich auf Näherungen zu verlassen.

Beantwortete Frage: „Gibt es einen Zusammenhang zwischen diesen beiden kategorialen Variablen?" (wenn die Stichprobengröße für den Chi-Quadrat-Test zu klein ist)

Beispiele:

• „Steht eine seltene Krankheit mit einer seltenen Exposition in Zusammenhang?" (wenige Fälle in jeder Zelle)
• „Hat die Behandlung das Ergebnis in einer kleinen klinischen Studie verbessert?"
• „Gibt es geschlechtsspezifische Voreingenommenheit in einem kleinen Einstellungsdatensatz?"

Warum „Exakt"?

Der Chi-Quadrat-Test verwendet eine stetige Verteilung, um diskrete Daten zu approximieren. Diese Näherung versagt bei kleinen Stichproben.

Exakter Test nach Fisher:

• Berechnet die exakte Wahrscheinlichkeit der beobachteten (oder extremeren) Tabellen
• Gültig für jede Stichprobengröße
• Keine Mindestanforderung an erwartete Häufigkeiten

Die 2×2-Tabelle

Standardaufbau:

Bei festen Randsummen (Zeilen- und Spaltensummen) wird die Wahrscheinlichkeit einer bestimmten Tabelle mit der hypergeometrischen Verteilung berechnet.

Die Berechnung

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

Für einen zweiseitigen Test werden die Wahrscheinlichkeiten summiert von:

• Der beobachteten Tabelle
• Allen extremeren Tabellen (mit gleichen Randsummen)

Beispiel

Daten: Test einer neuen Behandlung an 15 Patienten

Frage: Steht die Verbesserung mit der Behandlung in Zusammenhang?

Wahrscheinlichkeitsberechnung: P = (10!)(5!)(11!)(4!) / (15!)(8!)(2!)(3!)(2!) P = 0,286 (für diese exakte Tabelle)

Zweiseitiger p-Wert: Summiert mit extremeren Tabellen = 0,608

Schlussfolgerung: Kein signifikanter Zusammenhang (p > 0,05).

Einseitig vs. Zweiseitig

Zweiseitig (Standard)

Testet auf jeden Zusammenhang, unabhängig von der Richtung.

Anwendung: Wenn keine vorherige Hypothese über die Richtung besteht.

Einseitig

Testet auf Zusammenhang in einer bestimmten Richtung.

Anwendung: Wenn nur interessiert, ob die Behandlung das Ergebnis verbessert (nicht verschlechtert).

Einseitiger p-Wert ≈ zweiseitiger / 2 (ungefähr).

Wann den Exakten Test nach Fisher verwenden

Traditionelle Regel: Wenn eine erwartete Häufigkeit < 5 ist.

Moderne Empfehlung: Immer gültig; der Chi-Quadrat-Test ist eine Näherung, die mit moderner Rechenleistung meist unnötig ist.

Praktische Hinweise:

• Kleine Gesamtstichprobe (n < 20)
• Jede Zelle mit Anzahl < 5
• Seltene Ereignisse oder kleine erwartete Häufigkeiten
• Wenn exakte p-Werte wichtig sind (behördliche Einreichungen)

Vergleich mit Chi-Quadrat

Für große Stichproben: Beide liefern ähnliche Ergebnisse; Chi-Quadrat ist rechnerisch einfacher.

Für kleine Stichproben: Der Fisher-Test ist genauer.

Erweiterungen über 2×2 hinaus

R×C-Tabellen

Der Exakte Test nach Fisher lässt sich auf größere Tabellen erweitern, wird aber rechenintensiv.

Die meiste Software verarbeitet Tabellen bis zu moderater Größe.

Für sehr große Tabellen ist die Chi-Quadrat-Näherung ohnehin meist ausreichend.

Mid-P-Anpassung

Einige Statistiker empfehlen eine „Mid-P"-Version, die die halbe Wahrscheinlichkeit der beobachteten Tabelle zählt.

Begründung: Reduziert die Konservativität des exakten Tests. Kontroverse: Puristen bevorzugen die vollständig exakte Version.

Annahmen

Unabhängigkeit

Beobachtungen sind unabhängig – die Stichprobenziehung eines Probanden beeinflusst nicht die eines anderen.

Feste Randsummen

Zeilen- und Spaltensummen werden durch das Stichprobendesign als fest betrachtet.

In der Praxis: Der Test ist auch gültig, wenn die Randsummen nicht buchstäblich fest waren.

Zufallsstichprobe

Die Stichprobe repräsentiert die interessierende Population.

Anwendungen

Epidemiologie seltener Krankheiten

Untersuchung seltener Expositionen und seltener Ergebnisse.

Fall-Kontroll-Studien mit wenigen Fällen.

Kleine klinische Studien

Pilotstudien, Studien zu seltenen Krankheiten, frühe Forschungsphasen.

Genetik

Testen von Assoziationen mit seltenen Allelen.

Qualitätskontrolle

Vergleich von Fehlerraten, wenn Fehler selten sind.

Verhaltensforschung

Experimente mit kleinen Stichproben, Fallstudien.

Assoziationsmaße

Der Fisher-Test liefert den p-Wert. Für die Effektgröße berechnen Sie:

Odds Ratio (Chancenverhältnis)

OR = (a × d) / (b × c)

Aus dem Beispiel: OR = (8 × 2) / (2 × 3) = 2,67

Behandlungspatienten hatten 2,67-fach höhere Chancen auf Verbesserung.

Relatives Risiko

RR = [a/(a+b)] / [c/(c+d)]

RR = (8/10) / (3/5) = 0,80 / 0,60 = 1,33

Behandlungspatienten hatten eine 1,33-fach höhere Wahrscheinlichkeit der Verbesserung.

Konfidenzintervalle

Der Fisher-Test kann exakte Konfidenzintervalle für das Odds Ratio liefern.

Diese sind oft asymmetrisch und genauer als Intervalle basierend auf Normalverteilungs-Näherungen bei kleinen Stichproben.

Häufige Missverständnisse

„Erst Chi-Quadrat, dann Fisher falls nötig"

Moderne Praxis: Der Fisher-Test ist immer gültig. Verwenden Sie ihn, wenn exakte p-Werte wichtig sind oder Stichproben klein sind.

„Fisher ist konservativ"

Etwas wahr. Die diskrete Natur bedeutet, dass p-Werte nicht immer genau 0,05 sein können. Die Mid-P-Anpassung adressiert dies.

„Fisher nur für 2×2"

Erweiterungen für größere Tabellen existieren, obwohl die Berechnung zunimmt.

Ergebnisse berichten

APA-Format:

„Der Exakte Test nach Fisher zeigte keinen signifikanten Zusammenhang zwischen Behandlung und Verbesserung, p = 0,61. Das Odds Ratio betrug 2,67, 95%-KI [0,28; 37,8], was auf einen nicht-signifikanten Trend zu besseren Ergebnissen mit Behandlung hindeutet."

Einzuschließen:

• Exakter p-Wert
• Effektmaß (OR oder RR)
• Konfidenzintervall
• Deskriptive Häufigkeiten oder Anteile

Historischer Kontext

Ronald Fisher entwickelte diesen Test in den 1930er Jahren, angeblich für ein berühmtes „Lady Tasting Tea"-Experiment.

Eine Kollegin behauptete, erkennen zu können, ob Tee oder Milch zuerst in die Tasse gegossen wurde. Fisher entwarf ein Experiment mit 8 Tassen und berechnete exakte Wahrscheinlichkeiten, um ihre Behauptung zu testen.

Diese Anekdote (ob vollständig korrekt oder nicht) veranschaulicht den Zweck des Tests: exakte Schlussfolgerungen bei kleinen Stichproben, wo Näherungen versagen.

Der Test verkörpert Fishers breiteren Beitrag zur Entwicklung exakter statistischer Methoden neben den Großstichproben-Näherungen, die Lehrbücher dominieren.

Rechnerische Überlegungen

Für 2×2-Tabellen: Triviale Berechnung.

Für größere Tabellen: Der Test erfordert die Summierung über alle möglichen Tabellen mit gleichen Randsummen. Dies können Millionen von Tabellen sein.

Netzwerk-Algorithmus: In den 1980er-90er Jahren entwickelt, macht größere Tabellen machbar.

Moderne Software: Verarbeitet Tabellen moderater Größe routinemäßig.

Verwandte Berechnungen

• Chi-Quadrat-Unabhängigkeitstest — Große Stichproben
• Odds-Ratio-Rechner — Effektgröße für 2×2
• Relatives-Risiko-Rechner — Effektgröße für Kohorten
• Zwei-Anteile-Z-Test — Vergleich großer Stichproben
• McNemar-Test — Gepaarte kategoriale Daten

Zusammenfassung

Der Exakte Test nach Fisher bestimmt, ob zwei kategoriale Variablen zusammenhängen, indem er exakte Wahrscheinlichkeiten basierend auf der hypergeometrischen Verteilung berechnet. Anders als der Chi-Quadrat-Test erfordert er keine Mindeststichprobengröße oder erwartete Häufigkeit. Der Test berücksichtigt alle möglichen Tabellen mit gleichen Zeilen- und Spaltensummen und summiert die Wahrscheinlichkeiten von Tabellen, die genauso extrem oder extremer als die beobachtete sind. Verwenden Sie den Fisher-Test für kleine Stichproben, seltene Ereignisse oder wenn exakte p-Werte erforderlich sind. Berichten Sie den exakten p-Wert, das Odds Ratio oder relative Risiko sowie Konfidenzintervalle für eine vollständige Interpretation.