statsmodels.stats.rates.power_poisson_ratio_2indep¶

statsmodels.stats.rates.power_poisson_ratio_2indep(rate1, rate2, nobs1, nobs_ratio=1, exposure=1, value=0, alpha=0.05, dispersion=1, alternative='smaller', method_var='alt', return_results=True)[source]¶

两个独立泊松率比值的检验功效。

这是基于Zhu和Zhu以及Lakkis的研究。它并不直接对应于test_poisson_2indep。

Parameters:¶

rate1float

第一个样本在备择假设下的泊松率，处理组。

rate2float

第二个样本在备择假设下的泊松率，参考组。

nobs1float or int

样本1中的观测数量。

nobs_ratiofloat

样本大小比例，nobs2 = nobs_ratio * nobs1。

exposurefloat

每个观测的暴露量。总暴露量为 nobs1 * exposure 和 nobs2 * exposure。

alphafloat in interval (0,1)

显著性水平，例如0.05，是第一类错误的概率，即当原假设为真时错误拒绝的概率。

valuefloat

在零假设下，率比，rate1 / rate2。

dispersionfloat

准泊松分布的离散系数。离散系数不同于1可以捕捉相对于泊松分布的过度离散或欠离散。

method_var{“score”, “alt”}

给定备择假设下的比率，零假设的检验统计量的方差可以等于备择假设下的比率 method_var="alt"，或者在零假设的约束下估计，method_var="score"。

alternativestr, ‘two-sided’ (default), ‘larger’, ‘smaller’

备择假设是计算功效时用于双侧（默认）或单侧检验。单侧检验可以是‘更大’或‘更小’。

return_resultsbool

如果为真，则返回一个包含额外信息的结果实例，否则仅返回计算的功率。

Returns:¶

resultsresults instance or float

如果 return_results 为 False，则仅返回功率。 如果 return_results 为 True，则返回一个包含属性中信息的 results 实例。

powerfloat

检验的功效，例如0.8，是1减去II类错误概率。功效是当备择假设为真时，检验正确拒绝原假设的概率。

结果实例中的其他属性包括：

std_null

零假设下的差异标准误差（不包括sqrt(nobs1)）

std_alt

备择假设下的差异标准误差（不包括sqrt(nobs1)）

参考文献

[1]

朱海源. 2017. “非劣效或等效试验中比较两个泊松或负二项比率的样本量计算”. 生物制药研究中的统计学, 三月. https://doi.org/10.1080/19466315.2016.1225594

[2]

朱海源和哈桑·拉基斯。2014年。“比较两个负二项比率的样本量计算”。《医学统计》33卷第3期：376-87页。https://doi.org/10.1002/sim.5947。

[3]

PASS 文档