Tests of Marginal Homogeneity重點整理

1. Tests of Marginal Homogeneity為McNemar's test之延伸，用於相依樣本、資料為非連續變項之無母數檢定，目的為檢驗行與列的資料分佈是否相同。前者可用於多類的變項，即k*k列聯表；而後者僅能用於二分變項，亦即2*2列聯表。二者皆僅能用於方型矩陣（行列數相同）。
例如STREAM-27與S-STREAM之individual-level responsiveness比較表應畫為下圖，如此每一細格之資料才會mutually exclusive：

2. 檢定時可用X²或G²之p值是否<0.05判定兩分配是否具顯著差異。二者皆為比對卡方分配之critical values，然而當樣本數較少或某些細格之數值太小時，X²檢定值會偏離卡方分配，故使用G²較適切。

3. 欲檢定二情境（raters/measures）於特定量尺之資料分部是否有差異之方法有二：(1)可使用McNemar's test比較該量尺與其它量尺（pooling另外的所有量尺資料）之資料分佈使否具顯著差異。(2)算出二者分佈比例的差異及其95%信賴區間，若0落於區間內則代表無顯著差異。

4. Tests of Marginal Homogeneity與(weighted)Kappa之異同：二者皆為檢驗inter-rater agreement，前者著眼於差異，後者著眼於一致的部份。前者檢定結果為顯著與否，後者為係數。（或許未來可同時使用此二指標來驗證類別資料的再測/施測者間信度）