concordance

Bonjour
Je n'ai pas très bien compris lorsqu'on devait utiliser le Chi2 de Mac Nemar...
Est ce que lorsqu'on fait une concordance, et que le test est non significatif il faut ensuite faire un chi2 de Mac Nemar systématiquement ?
Merci d'avance

Hello!

Alors le X2 de Mac Nemar s'utilise dans 2 situations dans le cas de données qualitatives appariées.

- dans le premier cas: on te demande de comparer si le groupe A trouve plus de test + par exemple que le groupe B. Ici, tu vas donc devoir évaluer s'il existe une différence significative entre ces deux groupes en te basant sur leurs résultats. Pour ce faire tu peux utiliser la comparaison des discordances à une répartition théorique 50/50 ou bien un X2 de Mac Nemar (ce qui en fait revient à la même chose). Le résultat de ce test te permettra d'affirmer ou non s'il existe une différence significative entre le groupe A et le groupe B

- dans le second cas: on te demande d'évaluer la similitude entre deux jugements (par exemple la recherche d'une maladie par TR ou par échographie). Tu vas ici t'intéresser à la CONCORDANCE de tes résultats et non plus à leur comparaison pour savoir quel groupe trouve plus de cas +. Pour ce faire tu vas devoir faire une analyse complète de la concordance (kappa, significativité, échelle de concordance, etc). Et c'est ici que ton X2 de Mac Nemar entre en jeux: à la fin de ton analyse de concordance, tu dois faire "l'analyse des discordances", il s'agit d'un "biais systématique" te permettant de savoir si tes discordances sont équilibrées, ou pas. Pour cette analyse, tu effectues donc un X2 de mac Nemar, que tu fais de la même façon que dans le cas précédent

Est-ce plus clair?

Bon courage

Super merci beaucoup
Donc si j’ai bien compris pour le second cas quelque soit le résultat qu’il soit significatif ou non on fait systématiquement un X2 de Mac Nemar ?

Tout à fait, tu as bien compris

Voici une diapo du 2è tutorat de stats cette année, qui récapitule les tests pour données qualitatives appariées :




Bon courage !

Merci beaucoup !