机器算法验证 - 两个优势比之间差异的统计检验引文？ - 吾爱随笔录

两个优势比之间差异的统计检验引文？

机器算法验证物流置信区间优势比参考

2022-03-27 10:47:58

在这里的评论中，@gung 写道，

我相信它们可以重叠一点（可能〜25％）并且在5％的水平上仍然很重要。请记住，您看到的 95% CI 是针对单个 OR，但 2 个 OR 的测试是关于它们之间的差异。但是，如果它们根本不重叠，那么它们肯定是显着不同的，如果 95% CI 与另一个 OR 点估计重叠，那么它们肯定不会。

有人引用上述声明吗？一位评论者希望我计算两个优势比是否彼此显着不同。

2个回答

优势比是渐近高斯的。

因此它们的差，只要是独立的，也是渐近高斯的，因为独立高斯 rvs 的线性组合本身就是高斯的。

这些都是众所周知的，不需要引用。但为了保证，这两个链接都基于“权威”来源。

从你的两个逻辑回归模型中，你应该有参数估计， $\hat\beta_{11}$ 和 $\hat\beta_{12}$ （其中第二个下标是指模型），以及它们的标准误。请注意，这些是在对数赔率的范围内，这样会更好——无需将它们转换为赔率比。如果你的 $N$ s 就足够了，这些将是正态分布的，正如@ssdecontrol 解释的那样。例如，逻辑回归输出标准的 Wald 检验假设它们是正态分布的。此外，由于它们来自具有不同数据的不同模型，我们可以将它们视为独立的。如果你想测试它们是否相等，这只是测试正态分布参数估计的线性组合，这是一个非常标准的事情。您可以按如下方式计算检验统计量：

Z = \frac{{\hat{β}}_{12} - {\hat{β}}_{11}}{\sqrt{S E ({\hat{β}}_{12})^{2} + S E ({\hat{β}}_{11})^{2}}}

$Z = \frac{\hat\beta_{12}-\hat\beta_{11}}{\sqrt{SE(\hat\beta_{12})^2 + SE(\hat\beta_{11})^2}}$ 所结果的

Z

$Z$ 统计量可以与标准正态分布进行比较来计算

p

$p$ -价值。

关于置信区间的引用在本质上有点启发式（即使是正确的）。您不应该尝试使用它来计算显着性。

其它你可能感兴趣的问题

上一篇将神经网络的输出视为其预测输出的置信度是否正确？下一篇了解聚类图和成分变异性