可生成图片类型（推荐）
可生成数据表类型（推荐）
 | |
| 节点状态 | PC可用
在 V1.0部署
|
|---|---|
McNemar检验  | |
| 节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
| 节点英文名 | McNemar检验 |
| 功能主类别 | 数据分析 |
| 英文缩写 | M_Test |
| 功能亚类别 | 频数表检验 |
| 节点类型 | 数据挖掘 |
| 开发语言 | R |
| 节点简介 | |
McNemar检验是用于配对名义数据的统计检验, 又称非独立样本比率数的卡方检验。它应用于具有二分特征的2 × 2列联表，变量需要是二分类, 具有匹配的主题对，以确定行和列的边际频率是否相等,即是否存在边际同质性。例如：由失败变成功或由否变是的比例是否相等, 探讨事件发生前后表格内比例是否有显著改变。 用途：一种非参数统计方法，用于分析两个配对的分类变量之间的关系，特别是在前后重复测量设计中。也用于分析在两个时间点或两种不同条件下，同一组受试者的分类结果是否有显著差异。 参数：选择二分类变量 | |
| 端口数量与逻辑控制(PC) | |
| Input-入口 | 4个 |
| Output-出口 | 3个 |
| Loop-支持循环 | 是 |
| If/Switch-支持逻辑判断 | 否 |
| 输入输出 | |
| 相关节点 | |
| 上一节点 | Mantel-Haenszel检验 |
| 下一节点 | F检验 |
查找其他类别的节点，请参考以下列表
列表
数据处理节点
数据输入
变量处理
行列处理
矩阵处理
表格处理
列表
数据分析节点
描述性统计
统计检验
方差分析
相关分析
回归分析
Lasso回归 二项式Lasso回归 泊松Lasso回归 生存状态Lasso回归 高斯PLS回归Ridge回归 二项式Ridge回归 泊松Ridge回归 生存状态Ridge回归 高斯分位回归多分类逻辑回归多项式回归广义估计方程 伽玛广义估计方程 泊松广义估计方程 负二项广义估计方程 逻辑广义估计方程 高斯广义相加模型 伽玛广义相加模型 泊松广义相加模型 负二项广义相加模型 逻辑广义相加模型 高斯广义相加混合模型 伽玛广义相加混合模型 泊松广义相加混合模型 负二项广义相加混合模型 逻辑广义相加混合模型 高斯广义线性回归 伽玛广义线性回归 泊松广义线性回归 负二项广义线性回归 逆概率加权联合标准差稳健线性回归线性回归逐步回归逻辑回归
时序分析
潜变量分析
生存分析
多元分析
综合分析
列表
机器学习节点
列表
AI和神经网络
环境检测
