सूत्र और R के फिशर से अनुपात क्यों भिन्न होते हैं। किसे चुनना चाहिए?

Question

निम्नलिखित उदाहरण में

> m = matrix(c(3, 6, 5, 6), nrow=2)
> m
     [,1] [,2]
[1,]    3    5
[2,]    6    6
> (OR = (3/6)/(5/6))    #1
[1] 0.6
> fisher.test(m)        #2

    Fisher's Exact Test for Count Data

data:  m 
p-value = 0.6699
alternative hypothesis: true odds ratio is not equal to 1 
95 percent confidence interval:
 0.06390055 5.07793271 
sample estimates:
odds ratio 
 0.6155891 

मैंने ऑड्स अनुपात (# 1) "मैन्युअल रूप से", 0.600 की गणना की; फिर (# 2) फिशर के सटीक परीक्षण के आउटपुट के रूप में, 0.616।

मुझे समान मूल्य क्यों नहीं मिला?

ऑड्स-अनुपात की गणना करने के कई तरीके क्यों मौजूद हैं, और सबसे उपयुक्त एक का चयन कैसे करें?

Answer 1

इसके लिए सहायता पृष्ठ से fisher.test():

ध्यान दें कि बिना शर्त MLE (नमूना ऑड्स अनुपात) के बजाय सशर्त अधिकतम संभावना अनुमान (MLE) का उपयोग किया जाता है।

Answer 2

यहां चर्चा में जोड़ने के लिए, यह पूछना उपयोगी है कि इस "सशर्त" संभावना में वास्तव में क्या है। फिशर परीक्षण अन्य स्पष्ट विश्लेषणों से भिन्न है कि यह तालिका के सभी मार्जिन को तय करता है, जबकि लॉजिस्टिक रिग्रेशन मॉडल (और इसी पियर्सन ची-स्क्वायर टेस्ट जो लॉजिस्टिक मॉडल का स्कोर टेस्ट है) केवल एक मार्जिन तय करने के लिए है ।

फ़िशर परीक्षण तब हाइपरजोमेट्रिक वितरण को 4 कोशिकाओं में से प्रत्येक में देखी गई गणना के लिए एक संभावना मॉडल के रूप में मानता है। हाइपरजोमेट्रिक डिस्ट्रीब्यूशन की ख़ासियत यह है कि, उत्पत्ति के अनुपात का वितरण निरंतर नहीं है, आप अक्सर एक अलग या एक अधिकतम संभावना अनुमान के रूप में प्राप्त करते हैं।

Comments

मुझे नहीं लगता कि आपका उत्तर स्पष्ट करता है कि यह विशेष संभावना कैसे उत्पन्न हो सकती है। यदि आप उत्पाद-द्विपद के साथ डेटा-जनरेट करने की प्रक्रिया को मॉडल करते हैं, तो कहते हैं, आपको सीमांत योगों पर एक अलग संभावना (& MLE) सशर्त मिलती है, यदि आप इसे प्राप्त करते हैं, तो आप इसे वैलेनियस 'नॉन-सेंट्रल एजेटोमेट्रिक डिस्ट्रिब्यूशन - मार्जिनल के साथ मॉडल करते हैं। योग दोनों मामलों में "निश्चित" माना जाता है।

— Scortchi - को पुनः स्थापित मोनिका

Answer 3

आपके दूसरे प्रश्न का उत्तर देने के लिए, बायोस्टैट मेरी बाइट नहीं है, लेकिन मेरा मानना ​​है कि मल्टीपल ऑड्स अनुपात के आंकड़ों के नमूने और डिजाइन के प्रयोगों का हिसाब है।

मुझे यहां तीन संदर्भ मिले हैं जो आपको थोड़ी सी समझ देंगे कि क्यों विषम परिस्थितियों के लिए सशर्त MLE बनाम बिना शर्त के बीच अंतर है, साथ ही साथ अन्य प्रकार भी हैं।

1. फिक्स्ड मार्जिन के साथ 2 × 2 टेबल के संयोजन में सामान्य बाधाओं के बिंदु और अंतराल का अनुमान

2. जोड़ी-मिलान और स्तरीकृत नमूनों के लिए सापेक्ष जोखिम के अनुमानकर्ताओं पर पूर्वाग्रह का प्रभाव

3. एक सामान्य बाधाओं अनुपात के सशर्त अधिकतम संभावना अनुमान का तुलनात्मक अध्ययन

Comments

उन संदर्भों को जो कहना है, उसे कम से कम संक्षेप में बताना उपयोगी होगा।

— Scortchi - को पुनः स्थापित मोनिका

@ स्कोर्टची, सहमत। मैं काम में व्यस्त हूं और केवल पहले पृष्ठ या प्रत्येक के दो के माध्यम से पढ़ने का मौका था। मैं इस सप्ताह के अंत में प्रत्येक का सारांश जोड़ूंगा।

— जॉन

@ यदि आप कर सकते हैं, तो उस संक्षिप्त सार को जोड़ना उपयोगी होगा

— Glen_b -Reinstate Monica

@ क्या मैंने केवल एक प्रश्न पूछा है। यह ब्ली था जिसने अपना मूल प्रश्न पोस्ट करने के 4 साल बाद एक दूसरा प्रश्न जोड़ा। जैसा कि आप दूसरे प्रश्न का संदर्भ देते हैं, मैं ब्लि के कष्टप्रद संपादन को उलट नहीं रहा हूं, लेकिन मुझे यकीन नहीं है कि किसी भी उत्तर को कैसे स्वीकार किया जाए।

— विजेता 12