本文简要介绍 python 语言中 scipy.stats.contingency.odds_ratio
的用法。
用法:
scipy.stats.contingency.odds_ratio(table, *, kind='conditional')#
计算 2x2 列联表的优势比。
- table: 数组 整数
一个 2x2 列联表。元素必须是非负整数。
- kind: str,可选
要计算哪种优势比,样本优势比 (
kind='sample'
) 或条件优势比 (kind='conditional'
)。默认为'conditional'
。
- result:
OddsRatioResult
实例 返回的对象有两个计算属性:
- 统计 浮点数
如果种类是
'sample'
,这是样本(或无条件)估计,由下式给出table[0, 0]*table[1, 1]/(table[0, 1]*table[1, 0])
.如果种类是
'conditional'
,这是优势比的条件最大似然估计。它是费舍尔非中心超几何分布的非中心参数,其超几何参数与表格其均值是table[0, 0]
.
该对象具有计算优势比置信区间的方法confidence_interval。
- result:
参数 ::
返回 ::
注意:
Fisher 讨论了条件比值比(参见 [1] 的“示例 1”)。涵盖优势比的文本包括 [2] 和 [3]。
参考:
[1]R. A. Fisher (1935),归纳推理的逻辑,皇家统计学会杂志,卷。 98,第 1 期,第 39-82 页。
[2]布雷斯洛 NE,戴 NE (1980)。在癌症研究中的统计方法。第一卷 - case-control 研究分析。 IARC 科学出版物。 (32):5-338。 PMID:7216345。(参见第 4.2 节。)
[3]H. Sahai 和 A. Khurshid (1996),《流行病学统计:方法、技术和应用》,CRC Press LLC,佛罗里达州博卡拉顿。
[4]杰弗里·S·伯杰等人。 “阿司匹林用于女性和男性心血管事件的一级预防:Sex-Specific Meta-analysis 随机对照试验。” 《美国医学会杂志》,295(3):306-313,DOI:10.1001/jama.295.3.306,2006 年。
例子:
在流行病学中,根据某些因子或治疗方法,个体被分类为“exposed”或“unexposed”。如果研究某种疾病的发生,则患有这种疾病的人通常被归类为“cases”,而没有这种疾病的人被归类为“noncases”。这些类出现的次数给出了一个列联表:
exposed unexposed cases a b noncases c d
样本优势比可以写为
(a/c) / (b/d)
。a/c
可以解释为在暴露组中发生病例的几率,而b/d
可以解释为在未暴露组中发生病例的几率。样本优势比是这些优势的比值。如果优势比大于 1,则表明暴露与成为病例之间存在正相关关系。交换列联表的行或列会反转优势比,因此在解释优势比时了解表的行和列的标签含义非常重要。
在[4]中,研究了使用阿司匹林预防女性和男性心血管事件的情况。该研究特别得出结论:
…aspirin therapy reduced the risk of a composite of cardiovascular events due to its effect on reducing the risk of ischemic stroke in women […]
文章列出了各种心血管事件的研究。让我们关注女性缺血性中风。
下表总结了参与者多年来定期服用阿司匹林或安慰剂的实验结果。记录了缺血性中风病例:
Aspirin Control/Placebo Ischemic stroke 176 230 No stroke 21035 21018
我们要问的问题是“有证据表明阿司匹林可以降低缺血性中风的风险吗?”
计算优势比:
>>> from scipy.stats.contingency import odds_ratio >>> res = odds_ratio([[176, 230], [21035, 21018]]) >>> res.statistic 0.7646037659999126
对于这个样本,服用阿司匹林的人患缺血性中风的几率是服用安慰剂的人的 0.76 倍。
为了对所研究的人群进行统计推断,我们可以计算优势比的 95% 置信区间:
>>> res.confidence_interval(confidence_level=0.95) ConfidenceInterval(low=0.6241234078749812, high=0.9354102892100372)
条件比值比的 95% 置信区间约为 (0.62, 0.94)。
整个 95% 置信区间低于 1 这一事实支持了作者的结论,即阿司匹林与统计学上显著减少缺血性中风有关。
相关用法
- Python SciPy contingency.relative_risk用法及代码示例
- Python SciPy contingency.crosstab用法及代码示例
- Python SciPy contingency.margins用法及代码示例
- Python SciPy contingency.chi2_contingency用法及代码示例
- Python SciPy contingency.expected_freq用法及代码示例
- Python SciPy contingency.association用法及代码示例
- Python SciPy constants.nu2lambda用法及代码示例
- Python SciPy constants.convert_temperature用法及代码示例
- Python SciPy constants.precision用法及代码示例
- Python SciPy constants.unit用法及代码示例
- Python SciPy constants.find用法及代码示例
- Python SciPy constants.value用法及代码示例
- Python SciPy convolve.init_convolution_kernel用法及代码示例
- Python SciPy constants.lambda2nu用法及代码示例
- Python SciPy coo_array.tocsr用法及代码示例
- Python SciPy coo_matrix.tocsr用法及代码示例
- Python SciPy coo_matrix.tocsc用法及代码示例
- Python SciPy coo_array.diagonal用法及代码示例
- Python SciPy coo_array.dot用法及代码示例
- Python SciPy coo_array.tocsc用法及代码示例
- Python SciPy coo_matrix.nonzero用法及代码示例
- Python SciPy coo_matrix.dot用法及代码示例
- Python SciPy coo_matrix.diagonal用法及代码示例
- Python SciPy coo_array.nonzero用法及代码示例
- Python SciPy csc_array.diagonal用法及代码示例
注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.stats.contingency.odds_ratio。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。