W skrócie: dokładny test Fishera bada zależność między dwiema zmiennymi jakościowymi w tabeli krzyżowej — podobnie jak chi-kwadrat, ale sprawdza się tam, gdzie chi-kwadrat zawodzi: przy małych liczebnościach (oczekiwane liczebności w komórkach poniżej 5). Najczęściej stosuje się go do tabel 2×2.
Kiedy stosować dokładny test Fishera?
Test Fishera wybierasz, gdy badasz związek dwóch zmiennych jakościowych, ale nie są spełnione warunki testu chi-kwadrat:
- oczekiwana liczebność w którejś komórce tabeli krzyżowej jest mniejsza niż 5,
- próba jest mała, a tabela ma najczęściej format 2×2 (dwie zmienne dwukategorialne),
- chi-kwadrat ostrzega, że warunek minimalnych liczebności nie jest spełniony.
Przy dużych liczebnościach zwykle wystarcza chi-kwadrat. Jeśli nie masz pewności, jaki test dobrać do swoich danych, zajrzyj do przewodnika: jaki test statystyczny wybrać.
Test Fishera a chi-kwadrat
To para testów dla tych samych danych (dwie zmienne jakościowe, tabela krzyżowa). Różni je sposób liczenia i zakres stosowania:
- Chi-kwadrat — opiera się na przybliżeniu, wymaga odpowiednio dużych liczebności (min. 5 w komórce).
- Dokładny test Fishera — liczy prawdopodobieństwo dokładnie (bez przybliżenia), dlatego jest wiarygodny nawet przy bardzo małych liczebnościach.
Nazwa „dokładny” bierze się właśnie stąd — test wyznacza precyzyjne prawdopodobieństwo uzyskania takiego (lub bardziej skrajnego) układu danych, zamiast przybliżać je rozkładem chi-kwadrat.
Jak wykonać test Fishera (SPSS, JASP, R)
SPSS: Analiza → Statystyki opisowe → Tabele krzyżowe → Statystyki → Chi-kwadrat. Przy tabeli 2×2 SPSS automatycznie dołącza w wynikach wiersz „Dokładny test Fishera” — odczytujesz z niego wartość p. JASP (bezpłatny): Frequencies → Contingency Tables, z opcją „Fisher’s exact test”. R: funkcja fisher.test().
Jak zinterpretować wynik
Test Fishera podaje bezpośrednio wartość p — nie ma tu statystyki testowej w rodzaju χ².
- p < 0,05 → zależność między zmiennymi jest istotna statystycznie.
- p ≥ 0,05 → brak podstaw do stwierdzenia zależności.
Siłę związku, tak jak przy chi-kwadrat, opisujesz współczynnikiem phi (dla tabel 2×2) lub V Craméra. Zwróć uwagę, czy korzystasz z p jedno- czy dwustronnego — w pracach standardem jest wartość dwustronna.
Jak opisać wynik w pracy — przykład
Ze względu na małe liczebności w tabeli krzyżowej (oczekiwane liczebności poniżej 5) do sprawdzenia związku między płcią a decyzją o zakupie zastosowano dokładny test Fishera. Wykazano istotną statystycznie zależność (p = 0,032). Oznacza to, że hipoteza H1 zakładająca związek między płcią a decyzją o zakupie została potwierdzona.
Najczęstsze błędy
- Upieranie się przy chi-kwadrat mimo ostrzeżenia o zbyt małych liczebnościach — właściwy jest wtedy test Fishera.
- Użycie testu Fishera do danych ilościowych — to test dla zmiennych jakościowych.
- Podanie samego p bez informacji, dlaczego zastosowano Fishera zamiast chi-kwadrat.
- Pomylenie p jednostronnego z dwustronnym.
FAQ — dokładny test Fishera
Test Fishera czy chi-kwadrat?
Przy dużych liczebnościach — chi-kwadrat. Przy małych (oczekiwane poniżej 5), zwłaszcza w tabeli 2×2 — dokładny test Fishera.
Dlaczego test „dokładny”?
Bo wyznacza dokładne prawdopodobieństwo danego układu danych, zamiast przybliżać je rozkładem chi-kwadrat — dlatego działa nawet przy małej próbie.
Czy test Fishera działa tylko dla tabel 2×2?
Klasyczny wariant dotyczy tabel 2×2, ale istnieje jego rozszerzenie (Fishera-Freemana-Haltona) dla większych tabel — dostępne m.in. w JASP i R.
Masz małą próbę i nie wiesz, czy wolno Ci użyć chi-kwadrat? Sprawdzimy założenia, dobierzemy właściwy test i przygotujemy gotowy opis wyników z interpretacją.