在医学、生物学和临床研究中，我们经常需要比较两个独立组的二分类结局。例如，一项临床试验比较新药和安慰剂的治疗有效率，样本量较小时，研究者可能会得到类似“治疗组 8 人有效、2 人无效；对照组 3 人有效、7 人无效”的数据。
这类数据通常可以整理成一个 2×2 列联表。样本量较大时，研究者可以考虑 Pearson 卡方检验（Pearson’s chi-square test）；但当样本量较小、期望频数较低时，传统的卡方近似可能不再可靠，因此 Fisher 精确检验（Fisher’s exact test）经常成为常见选择。
不过，Fisher 精确检验并不是小样本 2×2 数据唯一的精确方法。Barnard 精确检验（Barnard’s exact test）也是一种专门用于比较两个独立二项比例的精确检验，而且与 Fisher 检验采用了不同的统计推断框架。在满足特定研究设计条件时，Barnard 检验可以避免固定两个边际分布所带来的信息损失，并在一些情况下获得更高的检验效能。
那么，Barnard 精确检验究竟是什么？它与大家更熟悉的 Fisher 精确检验有什么区别？什么情况下应该使用 Barnard 检验？本文aje将从原理、适用条件、实际案例和软件操作等方面进行系统介绍。
什么是Barnard精确检验？
Barnard 精确检验是一种用于 2×2 列联表的无条件精确检验，主要用于比较两个独立样本的二项比例。
假设我们有两个独立研究组：
研究者通常希望回答的问题是：
两个研究组的事件发生率是否存在统计学上的显著差异？
例如，临床试验中可以比较：
- 新药组 vs 对照组的治疗有效率；
- 暴露组 vs 非暴露组的疾病发生率；
- 干预组 vs 对照组的不良事件发生率；
- 两种诊断方法下阳性结果的比例。
Barnard 检验的原假设通常是两个总体比例相等：
H₀：p₁ = p₂
备择假设可以根据研究问题设置为：
H₁：p₁ ≠ p₂（双侧检验）
或者：
H₁：p₁ > p₂ / p₁ < p₂（单侧检验）。
与 Fisher 精确检验最大的区别在于，Barnard 检验属于“无条件”方法。它不会像 Fisher 检验那样同时固定 2×2 列联表的行边际和列边际，而是在给定一组样本量的情况下，对原假设中的未知共同概率进行处理，并寻找最不利情况下的 P 值。
这也是理解 Barnard 检验的关键：Fisher 检验是 conditional exact test（条件精确检验），Barnard 检验则是 unconditional exact test（无条件精确检验）。
Barnard精确检验的历史
Barnard 精确检验最早可以追溯到英国统计学家 George Alfred Barnard。1945 年，Barnard 在《Nature》发表了题为“A New Test for 2 × 2 Tables”的论文，提出了一种针对 2×2 列联表的新型检验方法。随后，他在 1947 年发表了更加系统的论文“Significance Tests for 2×2 Tables”，进一步阐述了这一方法。
Barnard 提出这一方法的重要背景之一，就是对 Fisher 精确检验的统计框架提出质疑。Fisher 检验通过条件化处理固定的行、列边际，从而得到一个非常漂亮的精确分布，但这种条件化也意味着部分样本信息没有被利用。
Barnard 的思路则不同：如果研究设计实际上只固定了每个组的样本量，而不是固定结局的总数，那么就没有必要人为固定所有边际。利用这些额外的信息，有可能提高检验效能。
因此，Barnard 检验并不是简单地对 Fisher 检验进行计算上的修改，而是代表了两种不同的统计推断思想。随着计算机计算能力的提升，过去限制 Barnard 检验应用的计算复杂性已经明显降低。目前，R、Python SciPy 和 SAS 等统计软件或程序包都已经提供了相应的实现。
Barnard精确检验的核心原理
理解 Barnard 检验，可以先从 Fisher 精确检验与它的区别入手。
对于一个 2×2 列联表，Fisher 精确检验会将行边际和列边际视为固定，然后在满足这些边际条件的所有可能列联表中计算概率。因此，它本质上是一种条件精确推断（conditional exact inference）。
Barnard 检验则不固定两个边际。假设两个组的样本量分别为 n₁ 和 n₂，在原假设 p₁=p₂=p 下，每个组的成功人数分别服从相应的二项分布。由于共同成功概率 p 是未知的，因此 p 就成为所谓的干扰参数（nuisance parameter）。
Barnard 检验会考虑不同可能的 p 值，并计算在该参数下观察到当前结果或更极端结果的概率。最终，将不同 p 下得到的概率进行最大化，从而获得一个对原假设较为保守的 P 值。现代实现通常通过数值方法搜索这一干扰参数。
以常见的 pooled score statistic 为例，其统计量可以表示为：
[
T(X)=\frac{\hat p_1-\hat p_2}
{\sqrt{\hat p(1-\hat p)(1/n_1+1/n_2)}}
]
其中，(\hat p_1) 和 (\hat p_2) 分别为两个研究组的观察比例，(\hat p) 是在原假设两个比例相等条件下得到的合并比例。
Barnard 检验随后寻找所有达到或超过观察统计量的列联表，并计算这些表出现的概率，再针对未知的共同概率进行最大化处理。
需要注意的是，Barnard 检验并不是只有一种具体计算形式。不同软件可能采用不同的检验统计量或双侧 P 值定义。例如，R 的相关程序包支持 pooled 和 unpooled Z 统计量，也提供 Barnard 原始的 CSM（Convexity, Symmetry, Minimization）方法。因此，不同软件对同一数据给出的 Barnard P 值可能出现轻微差异，研究者在论文中应明确报告所采用的方法。
Barnard精确检验的适用条件
Barnard 检验虽然属于精确检验，但这并不意味着任何 2×2 数据都适合使用。正确判断研究设计，是选择统计方法的第一步。
数据必须是2×2分类数据
Barnard 检验主要用于 2×2 列联表，并比较两个独立组的二分类结局。例如：
这里的“治疗组”具有两个水平，“疗效”也具有两个水平，因此形成标准的 2×2 表。
Barnard 检验特别适合研究者关心“两组比例是否不同”的场景，而不是用于连续变量均值比较或多个分类水平之间的复杂关联分析。
两组样本必须相互独立
Barnard 检验针对的是两个独立样本的二项比例，因此两个研究组之间应当相互独立。
例如：
- 新药组和对照组由不同患者组成；
- 暴露组和未暴露组由不同受试者组成；
- 两种独立实验条件下获得的样本互不重复。
如果同一批患者接受治疗前和治疗后的比较，这属于配对数据，就不应该直接使用 Barnard 检验，而应考虑 McNemar 检验等配对方法。
研究设计应明确每组样本量
Barnard 检验的典型应用场景是两个独立二项样本，即每个组的样本量是研究设计确定的，而结局发生人数是随机观察得到的。
这与 Fisher 精确检验的重要区别之一，就是 Barnard 检验不需要同时将两个边际分布都视为固定。对于典型的两组平行设计临床试验，这种无条件框架通常更符合实际研究过程。
小样本或稀疏数据尤其值得考虑
Barnard 检验属于精确检验，因此不依赖传统卡方检验的大样本渐近近似。在样本量较小、某些单元格频数较低的 2×2 表中，它可以作为 Pearson 卡方检验的重要替代方法。
不过，“样本量小”并不意味着一定要使用 Barnard 检验。Fisher 精确检验同样适用于这种情况，最终应该结合研究设计、目标参数以及软件可用性进行判断。
Barnard精确检验和Fisher精确检验有什么区别？
这是科研人员最容易遇到的一个问题。
二者都可以用于 2×2 小样本数据，也都属于精确检验，但核心思想并不相同。
Fisher 检验之所以应用如此广泛，很大程度上是因为它计算明确、解释直观，并且几乎所有主流统计软件都支持。
Barnard 检验的优势则在于它不需要对两个边际同时进行条件化，因此在某些研究设计和样本结构下能够利用更多信息。已有统计研究和软件文档通常认为，Barnard 检验在很多 2×2 场景下能够获得比 Fisher 检验更高的 power，但这并不意味着任何情况下 Barnard 都一定优于 Fisher。具体结果还会受到样本量平衡、效应大小、双侧 P 值定义和所采用统计量等因素影响。
因此，在论文中不建议简单写成“Barnard 比 Fisher 更好”。更准确的表达应该是：Barnard 精确检验在某些 2×2 独立样本场景下具有更高的检验效能，因此可以作为 Fisher 精确检验的替代方法。
一个实际例子：Barnard检验如何判断两组比例差异？
假设一项小型临床研究比较新药与对照治疗的有效率，结果如下：
新药组有效率为：
[
8/10=80%
]
对照组有效率为：
[
3/10=30%
]
从描述性统计来看，两组相差 50 个百分点。
如果采用 Fisher 精确检验，双侧 P 值约为 0.070；采用 SciPy 当前实现的双侧 Barnard 精确检验，则 P 值约为 0.033。这说明在这个示例数据中，两种精确检验可能给出不同的统计结论。
需要特别强调，这并不意味着研究者应该“挑选 P 值更小的方法”。恰恰相反，统计方法应在分析前根据研究设计和统计分析计划确定，而不能看到 Fisher 不显著后再改用 Barnard 以追求 P<0.05。
如果研究事先规定采用 Barnard 检验，那么可以按照预先设定的方法报告结果；如果研究没有预先规定，则应解释为什么选择 Barnard，并避免将不同检验结果进行选择性报告。
此外，P 值只能回答统计学显著性问题。对于这个例子，研究者还应该报告两组有效率、风险差（risk difference）、相对风险（risk ratio）或其他适合的效应量及其置信区间，从而说明差异到底有多大，而不仅仅是“P<0.05”。
Barnard精确检验怎么做？
目前进行 Barnard 精确检验主要有 R、Python 和 SAS 等途径。
使用Python进行Barnard精确检验
较新的 SciPy 版本提供了 scipy.stats.barnard_exact() 函数，可以直接对 2×2 列联表进行 Barnard 精确检验。
基本代码为：
from scipy.stats import barnard_exact
table = [[8, 2],
[3, 7]]
result = barnard_exact(table, alternative='two-sided')
print(result.statistic)
print(result.pvalue)
其中，alternative='two-sided' 表示进行双侧检验，也可以根据研究假设设置为 less 或 greater。
SciPy 文档还提供了 pooled=True/False 参数，用于选择合并方差或非合并方差的统计量。对于正式科研分析，研究者应该在分析方案中提前确定所采用的统计量，而不是为了得到某个 P 值而尝试不同设置。
使用R进行Barnard精确检验
R 生态中也已经有专门用于无条件精确检验的程序包。例如 CRAN 的 Barnard 包提供 barnard.test() 函数，可以针对 2×2 列联表执行 Barnard 检验。
library(Barnard)
barnard.test(8, 2, 3, 7)
此外，R 的 Exact 程序包还支持 Barnard、Boschloo 等无条件精确检验，并允许研究者指定不同的统计量和检验方式。
使用SAS进行Barnard精确检验
SAS/STAT 的 PROC FREQ 也提供 Barnard 检验。官方文档显示，可以通过 EXACT 语句中的 BARNARD 选项请求针对 2×2 表的 Barnard 无条件精确检验。
这对于临床研究和医学统计分析尤其有价值，因为 SAS 在临床试验数据分析中具有较为广泛的应用。
如何在论文中报告Barnard精确检验？
如果在 SCI 论文中使用 Barnard 精确检验，建议不要只报告一个 P 值，而应该让读者清楚知道为什么使用该方法、比较的是什么以及采用了哪一种具体实现。
例如，可以在 Methods 中写：
Because of the small sample size, Barnard’s unconditional exact test was used to compare the proportions between the two independent groups.
如果采用的是特定统计量，还可以进一步说明：
Barnard’s unconditional exact test with the pooled score statistic was used to compare the proportions between the two independent groups.
Results 中则可以报告两组的原始数据和比例，例如：
The response rate was 80% (8/10) in the treatment group and 30% (3/10) in the control group. Barnard’s unconditional exact test showed a statistically significant difference between the two groups (two-sided P = 0.033).
如果研究条件允许，更推荐同时报告效应量及其置信区间，例如风险差：
The response rate was 80% (8/10) in the treatment group and 30% (3/10) in the control group, corresponding to a risk difference of 50 percentage points.
需要注意，不同期刊对于精确检验的报告要求可能不同。如果研究属于临床试验，最好同时遵循研究方案、统计分析计划（Statistical Analysis Plan, SAP）以及目标期刊的统计报告规范。
Barnard精确检验的优势与局限
Barnard 精确检验最突出的优势，是它避免了 Fisher 精确检验中同时固定两个边际所带来的限制。对于两个独立二项样本，它直接围绕两个比例之间的差异进行推断，在某些情况下可以获得更高的统计效能。
第二个优势是它属于精确检验，因此特别适合小样本 2×2 数据。当传统卡方检验的期望频数过低时，Barnard 可以提供一种不依赖大样本卡方近似的替代方案。
但 Barnard 检验也存在明显局限。
首先，它的计算过程比 Fisher 检验更加复杂。由于需要处理未知的干扰参数并进行数值搜索，传统统计软件对它的支持一直不如 Fisher 检验广泛。
其次，“Barnard 更有 power”不能被理解为“任何情况下都应该使用 Barnard”。不同 Barnard 实现可能采用不同的统计量和双侧 P 值定义，因此不同软件的结果可能存在差异。研究者必须明确分析方法，而不能把 Barnard 当成一个完全唯一、只有一个固定算法的检验。
最后，Barnard 检验仍然主要针对 2×2 独立样本。如果数据是配对数据、重复测量数据、聚类数据，或者研究者需要同时调整年龄、性别、基线疾病等混杂因素，那么单纯使用 Barnard 检验通常并不是最佳方案，此时应考虑 McNemar 检验、logistic 回归、广义线性模型（GLM）或其他适合研究设计的方法。
实际科研中什么时候应该考虑Barnard检验？
在实际科研工作中，可以把 Barnard 检验理解为“小样本 2×2 独立比例比较”的一个高级备选方案。
如果数据来自两个独立研究组，每组样本量在研究设计阶段已经确定，结局为二分类，而且样本量较小或存在低频单元格，那么首先应该意识到传统 Pearson 卡方检验可能存在渐近近似问题。
此时可以考虑 Fisher 精确检验，也可以根据研究设计和统计分析计划考虑 Barnard 精确检验。如果研究特别关注检验效能，且使用的软件能够稳定实现 Barnard 方法，那么 Barnard 值得纳入统计分析方案。
简单来说，可以按照下面的思路进行判断：
2×2 + 两个独立样本 + 二分类结局 + 小样本 → 考虑精确检验；如果希望采用无条件框架并提高潜在检验效能 → 可以考虑 Barnard。
而如果是：
配对数据 → McNemar 检验；
需要控制多个混杂因素 → logistic 回归等模型；
超过2×2的大型列联表 → 根据数据结构考虑卡方检验、Fisher-Freeman-Halton 精确方法或 Monte Carlo 方法等。
因此，Barnard 检验并不是 Fisher 检验的简单“升级版”，而是针对特定研究设计提供的另一种统计推断框架。
最后
Barnard 精确检验是一种针对 2×2 列联表的无条件精确检验，主要用于比较两个独立样本的二分类比例。与更为常见的 Fisher 精确检验相比，它最大的区别在于不同时固定两个边际，而是通过处理未知的干扰参数来获得精确的 P 值。
对于小样本研究而言，Barnard 检验提供了一个值得关注的统计工具。尤其是在两个独立二项样本的比较中，它在某些情况下能够获得比 Fisher 检验更高的检验效能。不过，这并不意味着 Barnard 检验可以无条件替代 Fisher 检验，更不能为了获得显著的 P 值而在不同检验之间随意选择。
科研统计分析真正重要的，并不是找到一个“P 值更小”的方法，而是根据研究设计、数据结构、效应量和预先设定的统计分析方案选择合理的方法。对于 2×2 小样本数据，理解 Fisher 与 Barnard 两种精确检验背后的统计思想，比简单记住某一个软件按钮更加重要。
