statsmodels.stats.meta_analysis.effectsize_2proportions¶

statsmodels.stats.meta_analysis.effectsize_2proportions(count1, nobs1, count2, nobs2, statistic='diff', zero_correction=None, zero_kwds=None)[source]¶

两个样本二项比例的效果大小

Parameters:¶

count1, nobs1, count2, nobs2array_like

两个样本的数据

statistic{“diff”, “odds-ratio”, “risk-ratio”, “arcsine”}

用于比较两个比例的统计量 “比值比”和“风险比”的效果量以对数形式表示。

zero_correction{None, float, “tac”, “clip”}

当数据中包含零计数时，某些统计量可能不是有限的。 移除零的选项包括：

• float : 如果 zero_correction 是一个单独的浮点数，那么如果样本中有任何零，它将被添加到所有计数（单元格）中。

• “tac” : 治疗组连续性校正 见 Ruecker 等 2009, 第3.2节

• “clip” : 不添加值到所有单元格的情况下裁剪比例 裁剪边界可以通过 zero_kwds[“clip_bounds”] 设置

zero_kwdsdict

处理零计数的附加选项 “clip_bounds” 元组，默认 (1e-6, 1 - 1e-6) 如果 zero_correction=”clip” 其他选项尚未实现

Returns:¶

effect sizearray

每个样本的效果大小。

var_esarray

效应量大小的方差估计

另请参阅

statsmodels.stats.contingency_tables

注释

状态: API 处于实验阶段，零处理选项尚不完善。

统计关键字statistics的名称可以缩写为“rd”、“rr”、“or”和“as”。

统计数据定义如下：

• 风险差异 = p1 - p2

• 对数风险比 = log(p1 / p2)

• 对数几率比 = log(p1 / (1 - p1) * (1 - p2) / p2)

• 反正弦-平方根 = arcsin(sqrt(p1)) - arcsin(sqrt(p2))

其中 p1 和 p2 分别是样本 1（处理组）和样本 2（对照组）中的估计比例。

log-odds-ratio 和 log-risk-ratio 可以转换回 or 和 rr 使用 exp 函数。