Trích dẫn kiểm tra thống kê cho sự khác biệt giữa hai tỷ lệ cược?

Trong một bình luận ở đây , @gung đã viết,

Tôi tin rằng chúng có thể chồng chéo lên nhau một chút (có thể ~ 25%) và vẫn có ý nghĩa ở mức 5%. Hãy nhớ rằng 95% CI bạn thấy là dành cho cá nhân HOẶC, nhưng thử nghiệm của 2 OR là về sự khác biệt giữa chúng. Tuy nhiên, nếu chúng hoàn toàn không trùng nhau, thì chúng chắc chắn khác nhau đáng kể, và nếu 95% CI trùng lặp với ước tính điểm OR khác, chúng chắc chắn không.

Có ai có trích dẫn cho tuyên bố trên? Một nhà phê bình muốn tôi tính toán nếu hai tỷ lệ cược khác nhau đáng kể với nhau.

— cpjh10
nguồn

Tại sao không chỉ tính toán tầm quan trọng của sự khác biệt giữa hai tỷ lệ cược trực tiếp? Tại sao bạn lại muốn đo lường sự chồng chéo của 95% TCTD và cố gắng đạt được ý nghĩa từ đó?

— gung - Phục hồi Monica

Phương trình để làm điều này là gì?

— cpjh10

Để kiểm tra sự khác biệt của hai tỷ lệ cược? Bạn có biết tỷ lệ cược & Ns mà họ dựa trên không? Bạn có quyền truy cập vào dữ liệu gốc?

— gung - Phục hồi Monica

Vâng, đó là một hồi quy logistic đa cấp (tùy chọn bernoulli sử dụng phần mềm HLM). Vì tôi có OR và Ns từ phân tích đó.

— cpjh10

Đầu ra từ phân tích sẽ cho bạn biết nếu chúng khác nhau đáng kể hoặc bạn có thể lấy phần mềm của mình để cung cấp cho bạn bằng cách thêm một số tùy chọn. Bạn có SE cho các OR không? Họ có độc lập không, hay bạn có ước tính hiệp phương sai của các phân phối lấy mẫu của họ không?

— gung - Tái lập Monica

Câu trả lời:

$\hat\beta_{11}$ $\hat\beta_{12}$ $N$

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

$Z$

p

$p$

Các trích dẫn về khoảng tin cậy có phần heuristic trong tự nhiên (mặc dù chính xác). Bạn không nên cố gắng sử dụng điều đó để tính toán ý nghĩa.

— gung - Phục hồi Monica
nguồn

Tỷ lệ cược là Gaussian không có triệu chứng .

Do đó, sự khác biệt của chúng, miễn là chúng độc lập, cũng là Gaussian không có triệu chứng, bởi vì sự kết hợp tuyến tính của các rvs Gaussian độc lập tự nó là Gaussian .

Cả hai đều khá nổi tiếng và không cần trích dẫn. Nhưng chỉ để đảm bảo, cả hai liên kết này đều dựa trên các nguồn "có thẩm quyền".

— bóng tối
nguồn

Nhật ký (tỷ lệ chênh lệch) có xu hướng gần với Gaussian hơn trong các mẫu hữu hạn: tỷ lệ chênh lệch không thể nhỏ hơn 0, nhưng nhật ký (tỷ lệ chênh lệch) có thể.

— Maarten Buis