Agresti-Caffo方法：常用的置信区间计算方法详细介绍
2023-12-23 MedSci原创 MedSci原创 发表于威斯康星
有几种比例差异的置信区间可用，但它们可能会产生明显不同的结果。 除非样本量很大，否则传统方法（例如 Wald 区间）的效果不佳。 可以使用更好的间隔。 其中包括 Agresti/Caffo 方法 (2
有几种比例差异的置信区间可用，但它们可能会产生明显不同的结果。 除非样本量很大，否则传统方法（例如 Wald 区间）的效果不佳。 可以使用更好的间隔。 其中包括 Agresti/Caffo 方法 (2000)、Newcombe Score 方法 (1998) 以及 Miettinen 和 Nurminen (1985) 或 Mee (1984) 提出的计算密集型方法。 后者受到纽科姆的青睐（当被迫在进退两难之间做出选择时）。 一、置信区间的计算方法 传统 Wald 置信区间：基于渐近正态分布δ^校正两个比例之差 校正 Wald 区间：使用检验统计量中包含的连续性校正。 如果检验统计量的分子大于零，则从分子中减去连续性校正； 否则，将连续性校正添加到分子上。 连续性校正的值为(1/n1 + 1/n2)/2。 Agresti-Caffo（代码“ac”）：等于 Wald 区间，并根据 Agresti, Caffo (2000) 针对比例和独立样本的差异进行调整。 它将 x1 和 x2 加 1，将 n1 和 n2 加 2，并且性能出奇的好。 Newcombe（代码“scorecc”）：根据单个
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#置信区间#
30