odds-ratio Archives - Page 2 of 4

@gung 의 코멘트 에서

나는 그들이 (약 25 %) 약간 겹칠 수 있으며 여전히 5 % 수준에서 중요하다고 생각합니다. 95 % CI는 개별 OR에 대한 것이지만 2 개의 OR에 대한 테스트는 그 차이에 관한 것입니다. 그러나 겹치지 않으면 확실히 크게 다르며 95 % CI가 다른 OR 포인트 추정치와 겹치면 확실히 그렇지 않습니다.

위의 진술에 대해 인용을 한 사람이 있습니까? 한 검토자가 두 배당률이 서로 크게 다른지 계산하려고합니다.

답변

두 로지스틱 회귀 모형에서 모수 추정치, 및 (두 번째 아래 첨자가 모형을 나타냄) 및 표준 오류가 있어야합니다. 이것들은 로그 확률의 척도에 있으며 이것이 더 낫습니다. 그것들을 승산 비로 변환 할 필요는 없습니다. 당신의 경우 ${\hat{β}}_{11}$

{\hat{β}}_{11}

$\hat\beta_{11}$ ${\hat{β}}_{12}$

{\hat{β}}_{12}

$\hat\beta_{12}$ $N$

N

$N$ s이면 충분합니다. @ssdecontrol이 설명한 것처럼 정상적으로 배포됩니다. 로지스틱 회귀 출력이 표준으로 제공되는 Wald 테스트는 예를 들어 정규 분포로 가정합니다. 또한 데이터가 다른 모델에서 나왔기 때문에 독립적으로 취급 할 수 있습니다. 동일한 지 테스트하려면 정규 분포 된 모수 추정값의 선형 조합을 테스트하는 것입니다. 이는 꽤 표준적인 작업입니다. 테스트 통계량은 다음과 같이 계산할 수 있습니다.
결과 통계량을 표준 정규 분포와 비교하여 값 을 계산할 수 있습니다 .

Z = \frac{{\hat{β}}_{12} - {\hat{β}}_{11}}{\sqrt{S E ({\hat{β}}_{12})^{2} + S E ({\hat{β}}_{11})^{2}}}

$Z = \frac{\hat\beta_{12}-\hat\beta_{11}}{\sqrt{SE(\hat\beta_{12})^2 + SE(\hat\beta_{11})^2}}$ $Z$

Z

$Z$ $p$

p

$p$

신뢰 구간에 대한 인용은 본질적으로 다소 휴리스틱입니다 (정확하지만). 유의성을 계산하기 위해이를 사용해서는 안됩니다.

답변

승산 비는 점진적으로 가우스 입니다.

따라서 독립 가우스 rvs의 선형 조합 자체가 가우시안 이기 때문에 독립성이있는 한 이들의 차이는 무증상 가우시안 입니다.

이것들은 상당히 잘 알려져 있으며 인용이 필요하지 않습니다. 그러나 확실하게,이 두 링크는 모두 “권한있는”소스를 기반으로합니다.

How IT

언제든지 물어보세요.

태그 보관물: odds-ratio

두 배당률의 차이에 대한 통계 테스트에 대한 인용? 그들이 (약

답변

답변

답변