什么时候使用 McNemar 检验？
当同一批对象在两个时点得到阳性/阴性、是/否、通过/未通过等二分类结果时，可以把每个对象按前后组合放入配对 2×2 表。病例与对照一一匹配且每对都有二分类结果时，也可以在研究设计支持的情况下使用同一检验。
不同对象组成的两个独立组不适用 McNemar。普通 Pearson 卡方独立性检验假设观察相互独立；把同一个人前后两次当作独立观察，会丢失配对结构并回答错误问题。
- 分析单位是对象或匹配对，而不是两次测量本身。
- 每个测量只有两个互斥类别。
- 不同对象或匹配对之间相互独立。
- 输入四个非负整数频数，不输入百分比或加权小数。
为什么只有 b 和 c 进入检验？
a 与 d 是前后结果相同的一致配对，不提供变化方向的信息。b 表示从一个类别变到另一个类别，c 表示相反方向。无边际变化的原假设要求两个不一致方向的概率相同，因此检验只比较 b 与 c。
未校正统计量为 χ² = (b − c)² ÷ (b + c)，自由度为 1；连续性校正版为 (|b − c| − 1)² ÷ (b + c)。当 b + c = 0 时没有任何不一致配对，数据无法提供变化方向的检验信息。
小样本时报告精确 P 值
渐近卡方结果依赖不一致配对数量足够大。b + c 较小时，把 b 看作 b + c 次、成功概率为 0.5 的二项计数，并报告精确双侧 P 值更稳妥。本工具在不一致配对不超过 10,000 对时计算精确尾概率；更大输入会明确标为连续性校正的二项正态近似。多种结果用于复核，不应只挑选最显著的一项。
精确结果要求实际配对的整数频数。百分比、调查设计权重或小数频数不能直接解释为精确二项试验；复杂抽样或加权配对数据需要能表达抽样设计和配对结构的方法。
如何解释和报告
P 值较小表示两个不一致方向不对称，也就是配对二分类结局的边际比例发生了统计上可检测的变化。它不表示变化幅度，也不能排除时间趋势、混杂、测量误差、失访或其他共同发生的因素。
至少报告研究设计、总配对数 N、两个不一致频数 b 与 c、使用的校正或精确方法、统计量与 P 值。例如：McNemar 连续性校正检验，χ²(1, N = 100) = 4.05，P = .044；不一致配对 b = 15、c = 5。