PRUEBA DE MCNEMAR

La prueba de McNemar se utiliza para decidir si puede o no aceptarse que determinado

''tratamiento'' induce un cambio en la respuesta dicotómica o dicotomizada de los
elementos sometidos al mismo, y es aplicable a los diseños del tipo ''antes-después'' en
los que cada elemento actúa como su propio control.

Los resultados correspondientes a una muestra de n elementos se disponen en una

tabla de frecuencias 2 x 2 para recoger el conjunto de las respuestas de los mismos
elementos antes y después. El aspecto general de dicha tabla, en la que los signos + y
- se utilizan para representar las diferentes respuestas, es el siguiente:

Antes/Después - +
- a b
+ c d

En las celdas de la tabla, a es el numero de elementos cuya respuesta es la misma, -;

b es el número de elementos cuya respuesta es – antes del tratamiento y + después de
este, c es el número de elementos que han cambiado de + a -; y d es el número de
elementos que mantienen la respuesta +.

Por tanto, b+c es el número total de elementos cuyas respuestas han cambiado, y son
los únicos que intervienen en el contraste. La hipótesis nula es que el ''tratamiento'' no
induce cambios significativos en las respuestas, es decir, los cambios observados en la
muestra se deben al azar, de forma que es igualmente probable un cambio de + a - que
un cambio de - a +. Así pues, si H0 es cierta, de los b+c elementos cuya respuesta ha
cambiado es de esperar que (b+c)/2 hayan pasado de + a -, y (b+c)/2 hayan pasado de
- a +. En otras palabras, si H0 es cierta, la frecuencia esperada en las correspondientes
celdas es (a+b)/2.

La hipótesis alternativa puede ser no direccional, cuando postula que la probabilidad de

un cambio de + a - tiene distinta probabilidad que un cambio de - a +, o direccional,
cuando predice que un cambio de - a + es más (o menos) probable que un cambio de +
a -.

El estadístico de prueba que permite contrastar si existen diferencias significativas entre

las frecuencias esperadas y las observadas es:

𝑘 (𝑂𝑖 − 𝐸𝑖 )2
𝑋2 = ∑
𝑖=1 𝐸𝑖

Oi= frecuencia observada en la i-ésima celda

Ei = frecuencia esperada en la i-ésima celda si H0 es cierta
k = número de celdas
Para contrastar la significación de los cambios interesan sólo las celdas que recogen
cambios, por tanto el estadístico puede expresarse como:
 𝑏+𝑐 2 𝑏+𝑐 2
[𝑏 − ] [𝑐 − ] (𝑏 − 𝑐)2
𝑋2 = 2 + 2 =
𝑏+𝑐 𝑏+𝑐 𝑏+𝑐
2 2
Si H0 es cierta, el estadístico 𝑋 2 tiene distribución aproximadamente chi-cuadrado con
1 grado de libertad. La aproximación es más precisa si se realiza la corrección de
continuidad de Yates, quedando el estadístico:
(|𝑏 − 𝑐| − 1)2
𝑋2 =
𝑏+𝑐
La hipótesis nula, de que ambos tipos de cambio son igualmente probables, se rechaza
si el valor del estadístico se encuentra en la región crítica.
Cuando la frecuencia esperada (b+c)/2 es pequeña la aproximación de la distribución
del estadístico de prueba a la chi-cuadrado no es buena y, en tal caso, el SPSS no
calcula el estadístico anterior, sino que realiza la prueba binomial. El contraste se
plantea en este caso de la siguiente forma: supongamos que c<b; en este caso la
hipótesis nula es que c es un valor de una variable X con distribución binomial de
parámetros n=b+c y 𝜋 =0,5. El nivel de significación para una prueba de dos colas es
𝑃(𝑋 ≤ 𝑐) + 𝑃(𝑋 ≥ 𝑏) y se rechazará H0 para niveles de significación iguales o
superiores a éste. Si la hipótesis alternativa es direccional el nivel de significación a
partir del cual se rechazará H0 es la mitad del nivel de significación bilateral.
EJEMPLO:
Un investigador deseaba estudiar posibles cambios en la actitud de la audiencia frente
a la posición expuesta por un conferencista. Para ello seleccionó una muestra de 78
estudiantes universitarios que asistieron a una conferencia y registró su acuerdo (1) o
desacuerdo (0), inmediatamente después de la conferencia (Xi) y un mes después (Yi).
Los resultados obtenidos se resumen en la siguiente tabla:

El investigador desea determinar si la proporción de personas que está de acuerdo con

la posición del conferencista es diferente un mes después de la conferencia que
inmediatamente después de ésta. O equivalentemente si hubo cambios en la actitud de
la audiencia.
Datos: Los datos consisten en n observaciones de v.a. bivariados (Xi, Yi), donde cada
Xi e Yi toma sólo valores 1 y 0. En el test de Mc Nemar los datos se suelen resumir en
una tabla como la anterior, es decir, en general
es decir que, por ejemplo a = número de pares con Xi = 0 e Yi = 0.

Suposiciones:

1) los pares (Xi, Yi) son independientes.

2) la escala de medición de Xi e Yi es nominal con dos categorías (0 y 1).

3) la diferencia P(Xi=0,Yi=1) - P(Xi=1,Yi=0) es negativa para todo i, positiva para todo i

o cero para todo i. Se puede pedir idéntica distribución, pero no es necesario.

TEST DE COX-STUART PARA TENDENCIAS:

Así como el test del signo permite, usando la distribución binomial, testear la hipótesis
de idéntica distribución versus diferencias en la posición, es posible crear otras variables
binomiales para testear la hipótesis de aleatoriedad versus alternativas de tendencia.
Este test es una alternativa al test paramétrico para Ho: β = 0 en el modelo de regresión
lineal Y = α + β X + ε. La hipótesis nula en este test implica que la pendiente de la recta
es 0 .

El test de Cox-Stuart se basa en v.a. binomiales y permite testear la presencia de

tendencias. Mientras que el test paramétrico clásico testea ausencia de tendencia vs
presencia de una tendencia lineal (relación lineal entre X e Y), el test de Cox-Stuart no
tiene esa restricción y testea la hipótesis de ausencia de tendencia vs la hipótesis
alternativa de tendencia monótona.

Una tendencia es monótona si la variable dependiente crece cuando crece la variable

independiente (monótona creciente) o decrece cuando crece la variable independiente
(monótona decreciente).

Datos: Sea X1,..., Xn una sucesión de v.a. ordenadas según algún criterio (por ejemplo,
índice = tiempo). Si los Xi están aleatoriamente distribuidos sobre la sucesión, entonces:

P(Xi – Xj < 0 ) = P(Xi – Xj > 0 ) = 1/ 2 para todo i ≠ j.

En cambio, si Xi crece monótonamente, P(Xi – Xj < 0 ) > P(Xi – Xj > 0 ) si i < j y si Xi

decrece monótonamente, P(Xi – Xj < 0 ) < P(Xi – Xj > 0 ) si i < j.

El test de Cox-Stuart examina la relación de (Xi , Xj) para porciones de la sucesión. En

particular, si n es par o sea n = 2N, se convierte la sucesión en N pares (Xi , Xi+N). Si la
sucesión es aleatoria

P(Xi+N – Xi < 0 ) = P(Xi+N – Xi > 0 ) = 1/ 2 para todo i.

Se definen Di = Xi+N - Xi y
 1 𝑠𝑖 𝑋𝑖+𝑁 − 𝑋𝑖 > 0
𝑍𝑖 = {
0 𝑠𝑖 𝑖 + 𝑁𝑖+𝑁 − 𝑋𝑖 < 0

Zi ~Bi(1,pi) con pi = P(Xi+N-Xi > 0) y se desea testear Ho: pi = ½ para todo i.

Suposiciones:

1) Los pares (Xi,Xi+N) son mutuamente independientes.

2) sg[P(Xi+N – Xi > 0 ) - P(Xi+N – Xi < 0 )] es el mismo para todo i.

3) Cada par (Xi ,Xi+N) puede ser clasificado como +, - o empate.

Nota: Las diferencias iguales a cero (empates) se eliminan y se trabaja con N’: número
de diferencias no nulas. En lo que sigue, por simplicidad, supondremos que no hay
empates. Si los hay, N debe reemplazarse por N’.

BIBLIOGRAFIA
Canavos. 1994. “Métodos No Paramétricos.” In Probabilidad Y Estadistica -
Aplicaciones Y Metodos. México etc.: McGraw-Hill Companies.