Fisher-Exakter-Test-Rechner - 2x2-Kontingenztabelle

Berechne einseitige und zweiseitige p-Werte sowie die Odds Ratio für eine 2×2-Kontingenztabelle mit dem exakten Fisher-Test — ideal für kleine Stichproben.

Gib die vier Zellhäufigkeiten deiner 2×2-Tabelle (Gruppe × Ergebnis) ein und klicke dann auf Berechnen, um exakte p-Werte und die Odds Ratio zu erhalten.

Fisher-Exakter Test
Analysiert eine 2×2-Kontingenztabelle auf statistische Signifikanz
Ergebnis 1Ergebnis 2
Gruppe 1
Gruppe 2

Über den exakten Fisher-Test

Der exakte Fisher-Test ist ein Test auf statistische Signifikanz zur Analyse von 2×2-Kontingenztabellen. Entwickelt wurde er 1922 von Sir Ronald A. Fisher. Der Test bestimmt, ob zwischen zwei kategorialen Variablen eine nicht zufällige Assoziation besteht — etwa zwischen einer Behandlungsgruppe und einem Patientenergebnis. Im Gegensatz zum Chi-Quadrat-Test, der eine Näherung verwendet und bei kleinen erwarteten Zellhäufigkeiten ungenau wird, berechnet der exakte Fisher-Test die exakte Wahrscheinlichkeit der beobachteten Daten (und aller extremeren Konfigurationen) mit der hypergeometrischen Verteilung. Der Test ordnet die Daten in eine 2×2-Tabelle mit festen Randtotalen (Zeilen- und Spaltensummen) ein. Unter diesen Rändern berechnet er die Wahrscheinlichkeit der beobachteten Anordnung unter der Nullhypothese ohne Zusammenhang. Die Wahrscheinlichkeit einer bestimmten Tabelle mit den Zellen [a, b; c, d] ergibt sich aus der hypergeometrischen Formel: P = C(a+b, a) × C(c+d, c) / C(n, a+c), wobei n = a+b+c+d ist. Der p-Wert wird durch Aufsummieren der Wahrscheinlichkeiten aller Tabellen erhalten, die mindestens so extrem sind wie die beobachtete Tabelle. Bei einem einseitigen p-Wert bedeutet 'extrem', dass die Tabellen den Zusammenhang in derselben Richtung wie beobachtet aufweisen. Bei einem zweiseitigen p-Wert — für die meisten Forschungsfragen passend — bedeutet 'extrem', dass die Tabellen eine gleiche oder geringere Wahrscheinlichkeit als die beobachtete Tabelle haben, wobei beide Verteilungsschwänze berücksichtigt werden. Der zweiseitige p-Wert ist daher konservativer und wird in veröffentlichter Forschung häufiger verwendet. Die Odds Ratio quantifiziert die Stärke des Zusammenhangs: OR = (a × d) / (b × c). Eine Odds Ratio von 1 bedeutet keinen Zusammenhang; ein Wert größer als 1 bedeutet, dass Ergebnis 1 in Gruppe 1 wahrscheinlicher ist als in Gruppe 2; ein Wert kleiner als 1 bedeutet das Gegenteil. Die Odds Ratio ist ein zentrales Maß in Fall-Kontroll-Studien, klinischen Studien und genetischen Assoziationsstudien. Der exakte Fisher-Test ist immer dann geeignet, wenn die erwartete Häufigkeit in einer Zelle der 2×2-Tabelle unter 5 liegt — der Schwellenwert, ab dem die Chi-Quadrat-Approximation unzuverlässig wird. Typische Anwendungen sind klinische Studien zum Vergleich von Behandlungserfolgsraten zwischen zwei Gruppen, genetische Epidemiologie zur Prüfung, ob ein Allel mit einer Krankheit assoziiert ist, Bildungsforschung zum Vergleich von Bestehens-/Durchfallquoten zwischen zwei Lehrmethoden und Marketinganalysen zum Vergleich von Conversion-Raten zwischen zwei Anzeigenvarianten. Der Test ist unabhängig von der Stichprobengröße exakt und damit der Goldstandard für kleine Stichproben in diesen Bereichen.

Exakter Fisher-Test — Beispiele

Drei reale Szenarien zeigen, wie man eine 2×2-Kontingenztabelle aufbaut und die exakten p-Werte interpretiert.

Tabelle [a, b; c, d]Zweiseitiger pKontext
a=9, b=1, c=2, d=8 (n=20)p = 0.0350 (signifikant)Neues Medikament: 9 von 10 behandelten Patienten verbesserten sich gegenüber 2 von 10 in der Placebogruppe. Der Zusammenhang zwischen Behandlung und Verbesserung ist statistisch signifikant.
a=7, b=3, c=1, d=12 (n=23)p = 0.0189 (signifikant)Genetik: 7 von 10 Trägern der Genvariante sind krank gegenüber 1 von 13 ohne Variante. Das Gen ist signifikant mit der Krankheit assoziiert.
a=10, b=2, c=5, d=8 (n=25)p = 0.0840 (bei 0,05 nicht signifikant)Lehrmethoden: 10 von 12 bestanden mit Methode A gegenüber 5 von 13 mit Methode B. Der Unterschied ist auf dem 5%-Niveau nicht signifikant.
a=4, b=100, c=0, d=110 (n=214)p = 0.0563 (grenzwertig)A/B-Test einer Werbekampagne: 4 Conversions bei Anzeige A gegenüber 0 bei Anzeige B bei jeweils etwa 110 Aufrufen. Das Ergebnis liegt an der Grenze und verdient eine Nachverfolgung mit größerer Stichprobe.

So verwendest du den Fisher-Exakter-Test-Rechner

  1. Ordne deine Daten in eine 2×2-Kontingenztabelle: Die Zeilen sind die beiden Gruppen (Gruppe 1 und Gruppe 2), die Spalten die beiden möglichen Ergebnisse (Ergebnis 1 und Ergebnis 2).
  2. Gib die Häufigkeit für jede Zelle ein: Zelle A (Gruppe 1, Ergebnis 1), Zelle B (Gruppe 1, Ergebnis 2), Zelle C (Gruppe 2, Ergebnis 1), Zelle D (Gruppe 2, Ergebnis 2). Alle Werte müssen nicht-negative Ganzzahlen sein.
  3. Klicke auf 'Berechnen'. Der Rechner enumeriert alle möglichen 2×2-Tabellen mit denselben Randtotalen und summiert die hypergeometrischen Wahrscheinlichkeiten für die exakten einseitigen und zweiseitigen p-Werte.
  4. Lies für die meisten Forschungsfragen den zweiseitigen p-Wert ab. Wenn p < 0,05 ist, ist der Zusammenhang zwischen den beiden Gruppen und den beiden Ergebnissen statistisch signifikant.
  5. Interpretiere die Odds Ratio: Werte > 1 zeigen, dass Ergebnis 1 in Gruppe 1 wahrscheinlicher ist; Werte < 1 zeigen, dass es unwahrscheinlicher ist. Verwende die Beispiel-Buttons unter der Tabelle, um zu sehen, wie der Test in realen Szenarien funktioniert.

Exakter Fisher-Test — FAQ

Wann sollte ich den exakten Fisher-Test statt des Chi-Quadrat-Tests verwenden?
Verwende den exakten Fisher-Test immer dann, wenn die erwartete Häufigkeit in einer Zelle deiner 2×2-Tabelle unter 5 liegt oder wenn die Gesamtstichprobe klein ist (n < 20 ist eine gängige Faustregel). Der Chi-Quadrat-Test nutzt eine Näherung, die bei kleinen Häufigkeiten versagt und unzuverlässige p-Werte erzeugt. Der Fisher-Test ist immer exakt und kann daher für jede Stichprobengröße sicher verwendet werden.
Was bedeutet der zweiseitige p-Wert beim Fisher-Test?
Der zweiseitige p-Wert ist die Wahrscheinlichkeit, eine Tabelle zu beobachten, die in beide Richtungen so extrem wie oder extremer als die vorliegende ist — unter der Annahme, dass die Nullhypothese ohne Zusammenhang wahr ist. 'Extrem' bedeutet hier, dass die hypergeometrische Wahrscheinlichkeit so klein wie oder kleiner als die der beobachteten Tabelle ist. Ein p-Wert < 0,05 bedeutet konventionell, dass der Zusammenhang statistisch signifikant ist.
Was ist die Odds Ratio und wie interpretiere ich sie?
Die Odds Ratio (OR) ist (a × d) / (b × c). Eine OR von 1 bedeutet, dass Ergebnis 1 in beiden Gruppen gleich wahrscheinlich ist — also kein Zusammenhang besteht. OR > 1 bedeutet, dass Ergebnis 1 in Gruppe 1 wahrscheinlicher ist als in Gruppe 2; OR < 1 bedeutet, dass es unwahrscheinlicher ist. Zum Beispiel bedeutet OR = 9, dass die Chancen für Ergebnis 1 in Gruppe 1 neunmal so hoch sind wie in Gruppe 2 — ein starker positiver Zusammenhang.
Was ist der Unterschied zwischen einseitigen und zweiseitigen p-Werten?
Der einseitige p-Wert testet einen Zusammenhang in eine bestimmte Richtung (z. B. dass Gruppe 1 eine höhere Rate von Ergebnis 1 hat als Gruppe 2). Der zweiseitige p-Wert testet jeden Zusammenhang unabhängig von der Richtung. Wenn du vor dem Blick auf die Daten keine gerichtete Hypothese hattest, ist der zweiseitige p-Wert die passende und konservativere Wahl.
Was sind die Randtotalen und warum müssen sie fest sein?
Die Randtotalen sind die Zeilensummen (a+b und c+d) sowie die Spaltensummen (a+c und b+d) der Tabelle. Der Fisher-Test bedingt auf diese festen Totalen, was die Grundlage für die Ableitung der exakten hypergeometrischen Verteilung bildet. In der Praxis werden die Ränder durch das Studiendesign festgelegt (z. B. vorab definierte Gruppengrößen oder Gesamtzahl der Ereignisse).
Kann der exakte Fisher-Test für Tabellen größer als 2×2 verwendet werden?
Der klassische exakte Fisher-Test ist für 2×2-Tabellen definiert. Verallgemeinerungen für größere r×c-Kontingenztabellen existieren (mit einer mehrdimensionalen hypergeometrischen Verteilung), sind aber rechnerisch aufwendig. Bei größeren Tabellen mit kleinen erwarteten Häufigkeiten kann man exakte Tests auf 2×2-Teiltabellen anwenden oder Monte-Carlo-simulierte exakte Tests in Statistiksoftware verwenden.