scipy.stats._result_classes.OddsRatioResult.

confidence_interval#

OddsRatioResult.confidence_interval(confidence_level=0.95, alternative='two-sided')[source]#

比值比的置信区间。

参数:
confidence_level: float

置信区间的期望置信水平。 该值必须作为介于 0 和 1 之间的分数给出。 默认值为 0.95(表示 95%)。

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

与置信区间对应的假设检验的备择假设。 也就是说,假设零假设是真实比值比等于 OR 并且置信区间是 (low, high)。 然后 alternative 有以下选项(默认为“two-sided”)

  • “two-sided”:真实比值比不等于 OR。 如果 high < ORlow > OR,则存在证据反驳所选 confidence_level 处的零假设。

  • “less”:真实比值比小于 OR。 置信区间的 low 端为 0,如果 high < OR,则存在证据反驳所选 confidence_level 处的零假设。

  • “greater”:真实比值比大于 OR。 置信区间的 high 端是 np.inf,如果 low > OR,则存在证据反驳所选 confidence_level 处的零假设。

返回值:
ciConfidenceInterval 实例

置信区间,表示为一个具有属性 lowhigh 的对象。

注释

kind'conditional' 时,置信区间的限制是 Fisher [1] 描述的条件“精确置信限制”。Sahai 和 Khurshid [2] 的文本的第 4.1.2 节中也讨论了条件比值比和置信区间。

kind'sample' 时,置信区间是在对数比值比呈正态分布且标准误差由下式给出的假设下计算的

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

其中 a, b, cd 是列联表的元素。(例如,参见 [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 期,第 39-82 页。

[2] (1,2)

H. Sahai 和 A. Khurshid (1996),《流行病学统计:方法、技术和应用》,CRC Press LLC,Boca Raton,佛罗里达州。

[3]

Alan Agresti,《分类数据分析导论》(第二版),Wiley,Hoboken,NJ,USA (2007)。