দুটি প্রতিকূল অনুপাতের মধ্যে পার্থক্যের জন্য পরিসংখ্যান পরীক্ষার জন্য প্রশংসা?

এখানে একটি মন্তব্যে , @ গুং লিখেছেন,

আমি বিশ্বাস করি তারা কিছুটা ওভারল্যাপ করতে পারে (সম্ভবত 25% ডলার) এবং এখনও 5% স্তরে তাৎপর্যপূর্ণ হতে পারে। মনে রাখবেন যে আপনি যে 95% সিআই দেখছেন তা পৃথক OR এর জন্য, তবে 2 টি ওআর এর পরীক্ষা তাদের মধ্যে পার্থক্য সম্পর্কে is যাইহোক, যদি তারা কিছুতেই ওভারল্যাপ না করে, তবে তারা অবশ্যই স্পষ্টভাবে আলাদা।

উপরের বিবৃতিটির জন্য কারও কাছে উদ্ধৃতি রয়েছে? দুটি পর্যালোচনা অনুপাত একে অপরের থেকে উল্লেখযোগ্যভাবে পৃথক হলে একটি পর্যালোচক আমাকে গণনা করতে চায়।

— cpjh10
সূত্র

সরাসরি দুটি প্রতিকূল অনুপাতের মধ্যে পার্থক্যের তাত্পর্যটি কেন গণনা করা যায় না? আপনি কেন 95% সিআই এর ওভারল্যাপ পরিমাপ করতে চান এবং এর থেকে তাৎপর্যটি পাওয়ার চেষ্টা করবেন?

— গুং - মনিকা পুনরায়

এটি করার সমীকরণ কী?

— cpjh10

দুটি প্রতিকূল অনুপাতের পার্থক্য পরীক্ষা করতে? আপনি কি প্রতিকূল অনুপাত এবং এনএস-এর উপর ভিত্তি করে জানেন? আপনি কি মূল তথ্য অ্যাক্সেস করতে পারেন?

— গুং - মনিকা পুনরায়

হ্যাঁ, এটি একটি মাল্টিলেভেল লজিস্টিক রিগ্রেশন (এইচএলএম সফ্টওয়্যার ব্যবহার করে বার্নোল্লি বিকল্প) ছিল। সুতরাং সেই বিশ্লেষণ থেকে আমার কাছে ওআর এবং এনএস রয়েছে।

— cpjh10

বিশ্লেষণ থেকে প্রাপ্ত আউটপুট আপনাকে জানাতে হবে যে এগুলি উল্লেখযোগ্যভাবে পৃথক কিনা, বা আপনার কিছু সফ্টওয়্যার যুক্ত করে আপনার সফ্টওয়্যারটি আপনাকে দিতে সক্ষম হওয়া উচিত। আপনার কি ওআরএস এর জন্য এসই আছে? এগুলি কি স্বাধীন, বা তাদের নমুনা বিতরণের theকতান সম্পর্কে আপনার কাছে কোনও অনুমান আছে?

— গুং - মনিকা পুনরায়

উত্তর:

আপনার দুটি লজিস্টিক রিগ্রেশন মডেল থেকে আপনার প্যারামিটার অনুমান, এবং (যেখানে দ্বিতীয় সাবস্ক্রিপ্টটি মডেলটিকে বোঝায়) এবং তাদের স্ট্যান্ডার্ড ত্রুটি থাকতে হবে। নোট করুন যে এগুলি লগ প্রতিক্রিয়াগুলির স্কেলে রয়েছে এবং এটি আরও ভাল them এগুলি বৈষম্য অনুপাতগুলিতে রূপান্তর করার দরকার নেই। যদি আপনার $\hat\beta_{11}$ $\hat\beta_{12}$ $N$ গুলি যথেষ্ট, এগুলি সাধারণত বিতরণ করা হবে, যেমন @ এসএসডেকট্রোল ব্যাখ্যা করেছেন। লজিস্টিক রিগ্রেশন আউটপুট সহ স্ট্যান্ডার্ড আসা ওয়াল্ড পরীক্ষাগুলি ধরে নেয় তারা সাধারণত বিতরণ করা হয়, উদাহরণস্বরূপ। এছাড়াও, যেহেতু তারা বিভিন্ন মডেল থেকে বিভিন্ন ডেটা নিয়ে এসেছে তাই আমরা তাদের স্বাধীন হিসাবে বিবেচনা করতে পারি। আপনি যদি সেগুলি সমান হয় কিনা তা পরীক্ষা করতে চান, এটি সাধারণভাবে বিতরণ করা প্যারামিটার অনুমানগুলির একটি লিনিয়ার সংমিশ্রণটি পরীক্ষা করে চলেছে, এটি করা বেশ মানক জিনিস। আপনি নিম্নলিখিত হিসাবে একটি পরীক্ষার পরিসংখ্যান গণনা করতে পারেন: resulting ফলাফলের স্ট্যাটিস্টিককে ভ্যালুটি গণনা করার জন্য একটি আদর্শ সাধারণ বিতরণের সাথে তুলনা করা যেতে পারে ।

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

$p$

আত্মবিশ্বাসের ব্যবধানগুলি সম্পর্কে উদ্ধৃতিটি প্রকৃতির কিছুটা হিউরিস্টিক (যদিও সঠিক)। তাৎপর্য গণনা করার জন্য আপনার এটি ব্যবহার করার চেষ্টা করা উচিত নয়।

— gung - মনিকা পুনরায় স্থাপন করুন
সূত্র

অডস অনুপাত হয় এসিম্পটোটিকভাবে গসিয়ান ।

সুতরাং তাদের পার্থক্য, যতক্ষণ না তারা স্বাধীন, ততক্ষণ তাত্পর্যপূর্ণভাবে গাউসিয়ান, কারণ স্বাধীন গাউসিয়ান আরভিগুলির রৈখিক সংমিশ্রণটি নিজে গাউসিয়ান ।

এগুলি উভয়ই যথেষ্ট সুপরিচিত এবং প্রশংসাপত্রের প্রয়োজন হবে না। তবে কেবল আশ্বাসের জন্য, এই লিঙ্কগুলি উভয়ই "অনুমোদিত" উত্সের ভিত্তিতে।

— shadowtalker
সূত্র

সীমাবদ্ধ নমুনায় লগ (বিজোড় অনুপাত) গাউসির আরও কাছাকাছি থাকে: একটি বিজোড় অনুপাত 0 এর চেয়ে কম হতে পারে না, তবে লগ (বিজোড় অনুপাত) পারে।

— মার্টেন বুইস