statsmodels.stats.rates.nonequivalence_poisson_2indep¶

statsmodels.stats.rates.nonequivalence_poisson_2indep(count1, exposure1, count2, exposure2, low, upp, method='score', compare='ratio')[source]¶

非等效性检验，泊松分布的最小效应。

这与等效性检验相比，反转了原假设和备择假设。原假设是效应、比率（或差异）位于一个区间内，该区间指定了两个样本之间无关紧要或不重要的差异范围。

比较比率的零假设和备择假设是

对于 compare = ‘ratio’:

• H0: 低 < 率1 / 率2 < 高

• H1: rate1 / rate2 <= low 或 upp <= rate1 / rate2

对于 compare = ‘diff’:

• H0: rate1 - rate2 <= low 或 upp <= rate1 - rate2

• H1: 低 < 比率 - 比率 < 高

注释

这是在最小效应边界（low, upp）处实现的两次单侧检验，每次检验的名义大小为alpha / 2。 检验的大小是两次单侧检验的总和，这对应于等尾双侧检验。 如果low和upp相等，则结果与标准双侧检验相同。

p值的计算方式为 2 * min(pvalue_low, pvalue_upp)，类似于双侧等尾检验。

在大样本中，检验的名义大小将低于alpha。

参考文献

[1]

霍奇斯，J. L., Jr.，和E. L. 莱曼。1954年。检验统计假设的近似有效性。皇家统计学会杂志，B辑（方法论）16: 261–68。

[2]

Kim, Jae H., 和 Andrew P. Robinson. 2019. “基于区间的假设检验及其在经济学和金融学中的应用。” 计量经济学 7 (2): 21. https://doi.org/10.3390/econometrics7020021.