Làm thế nào để báo cáo khoảng tin cậy không đối xứng của một tỷ lệ?

Tôi đã tính tỷ lệ gà con bỏ ra khỏi số lượng trứng nở mỗi năm bằng cách sử dụng prop.test()ở R. Tôi thấy rằng nó mang lại cho tôi tỷ lệ non nớt , nhưng cũng là khoảng tin cậy 95%, đó là khoảng thời gian tôi tin tưởng. Đã đọc thông tin tuyệt vời từ một câu hỏi khác trên trang web này ở đây , tôi hiểu tại sao tôi không có sự đối xứng trong 95% TCTD của mình!

Tuy nhiên, làm thế nào tôi nên báo cáo điều này trong một bài báo?

Tôi đã thấy mọi người báo cáo các giá trị là 38% (± 0,2%), với một dấu hiệu cho thấy giá trị trong ngoặc là 95% CI. Rõ ràng điều này sẽ không làm việc cho các TCTD bất đối xứng. Tôi phải báo cáo giá trị trên và dưới trong những trường hợp này?

r confidence-interval binomial

— Mog
nguồn

Chắc chắn, tôi sẽ báo cáo giới hạn dưới và trên. Để biết ví dụ thực tế, xem bài viết BMJ này (trang 4, Bảng 2).

— Bernd Weiss

Cảm ơn @Bernd. Đó là một bài báo tuyệt vời cung cấp một giải pháp tuyệt vời.

— Mog

Bạn nên báo cáo các khoảng dưới và trên và cũng là phương pháp được sử dụng để tính khoảng.

Nó chỉ ra rằng không có cách "đúng" để tính khoảng tin cậy cho tỷ lệ, mà thay vào đó là nhiều phương pháp cạnh tranh, mỗi phương pháp đều có ưu điểm và nhược điểm. Việc thiếu một phương pháp chính xác phổ quát trái ngược với nhiều điều thống kê mà bạn có thể đặt các con số, như phương tiện và độ lệch chuẩn. Để khoảng thời gian của bạn được chỉ định đầy đủ, bạn phải nói cách bạn tính toán nó.

— Michael Lew
nguồn

Cảm ơn @Michael. Thật tốt khi biết rằng phương pháp này cũng nên được báo cáo. Vì vậy, nếu tôi đang sử dụng prop.test()mã trong R, dựa trên câu trả lời (được liên kết) khác, tôi sẽ sử dụng phương pháp Wilson với hiệu chỉnh liên tục của Yates, đúng không? Có một lý do tại sao tôi nên hoặc không nên sử dụng hiệu chỉnh liên tục?

— Mog

@Mog Bạn đã hỏi một câu hỏi hợp lý rất khó trả lời (ít nhất, để trả lời ngắn gọn). Phương pháp của Wilson cho phép giải thích cục bộ về "các cơ hội mà tỷ lệ thực sự trong trường hợp này nằm trong khoảng này là gì?" trong đó nó xấp xỉ cả khoảng tin cậy Bayes với khoảng đồng nhất trước và khoảng cách fiducial Fisher. Tuy nhiên, nếu bạn áp dụng một hiệu chỉnh liên tục để làm cho nó hoạt động giống như một khoảng Clopper-Pearson thì sự giải thích đó sẽ bị mất. Theo tôi, khoảng thời gian của Wilson là tuyệt vời, không có "sự điều chỉnh".

— Michael Lew