scipy.stats._result_classes.OddsRatioResult.

置信区间

OddsRatioResult.confidence_interval(confidence_level=0.95, alternative='two-sided')

优势比的置信区间。

参数:

confidence_level: float

置信区间的期望置信水平。该值必须以介于 0 到 1 之间的分数形式给出。默认值为 0.95（表示 95%）。

alternative{‘two-sided’, ‘less’, ‘greater’}, 可选

与置信区间相对应的假设检验的备择假设。也就是说，假设零假设是真实优势比等于 OR，而置信区间为 (low, high)。然后，可以为 alternative 使用以下选项（默认值为“two-sided”）。

• ‘two-sided’: 真实优势比不等于 OR。如果 high < OR 或 low > OR，则在选择的 confidence_level 下存在反对零假设的证据。

• ‘less’: 真实优势比小于 OR。置信区间的 low 端为 0，如果 high < OR，则在选择的 confidence_level 下存在反对零假设的证据。

• ‘greater’: 真实优势比大于 OR。置信区间的 high 端为 np.inf，如果 low > OR，则在选择的 confidence_level 下存在反对零假设的证据。

返回值:

ciConfidenceInterval 实例

置信区间，表示为具有属性 low 和 high 的对象。

注意

当 kind 为 'conditional' 时，置信区间的限制是 Fisher [1] 所述的条件“精确置信限”。Sahai 和 Khurshid 的文本 [2] 的第 4.1.2 节也讨论了条件优势比和置信区间。

当 kind 为 'sample' 时，置信区间是在假设优势比的对数服从正态分布且标准误差由下式给出时计算得出的。

se = sqrt(1/a + 1/b + 1/c + 1/d)

其中 a、b、c 和 d 是列联表的元素。（参见，例如，[2]，第 3.1.3.2 节，或 [3]，第 2.3.3 节）。

参考文献

[1]

R. A. Fisher (1935)，归纳推理的逻辑，皇家统计学会杂志，第 98 卷，第 1 号，第 39-82 页。

[2] (1,2)

H. Sahai 和 A. Khurshid (1996)，流行病学中的统计学：方法、技术和应用，CRC 出版社 LLC，美国佛罗里达州博卡拉顿。

[3]

Alan Agresti，分类数据分析导论（第二版），Wiley，美国新泽西州霍博肯（2007）。