好吧，从你已经说过的内容来看，我认为你已经涵盖了大部分内容，但只需要用她的语言表达：一个是风险差异，一个是比率。所以一个假设检验询问是否而另一个询问是否。有时这些是“接近”的，有时不是。（用引号括起来，因为显然它们在通常的算术意义上并不接近）。如果风险很少，则这些风险通常“相距甚远”。例如（远离 1）而（接近 0）；但如果风险很高，那么这些是“接近”的：（远非 0）和（也远非 0，至少与罕见情况相比。$p_2 - p_1 = 0$$\frac{p_2}{p_1} = 1$$.002/.001 = 2$$.002-.001 = .001$$.2/.1 = 2$$.2 - .1 = .1$

请注意，在这两种测试中，您都使用不同的假设来测试完全不同的假设。结果没有可比性，这是一个太常见的错误。

在绝对风险中，您测试（平均）比例差异是否显着不同于零。标准检验中的基本假设假设比例差异是正态分布的。这可能适用于小比例，但不适用于大比例。从技术上讲，您计算以下条件概率：

$P( p1 - p2 = 0 | X )$

和$p1$和$p2$两个比例，和$X$你的解释变量。这相当于测试斜率$b$以下型号：

$p = a + b*X + \epsilon$

你假设在哪里$\epsilon \sim N(0,\sigma)$.

在相对风险中，您会做一些完全不同的事情。您根据解释变量测试获得积极结果的几率$X$. 所以你计算

$P( log(\frac{p1}{p2}) = 0 | X )$

这相当于在以下逻辑模型中测试斜率：

$log(\frac{p}{1-p}) = a + b*X + \epsilon$

和$log(\frac{p}{1-p})$成为赔率的对数。请注意，这个假设是根据几率而不是比例来制定的！因此，模型的假设也是根据赔率（或更准确地说，赔率的对数）制定的。你正在测试一个不同的假设。

彼得弗洛姆的回答中给出了这会产生影响的原因：绝对风险的微小差异可能导致赔率的巨大价值。因此，在您的情况下，这意味着患该疾病的人的比例没有太大差异，但是属于一组的几率明显大于属于另一组的几率。这是完全明智的。