statsmodels.stats.rates.test_poisson_2indep

statsmodels.stats.rates.test_poisson_2indep(count1, exposure1, count2, exposure2, value=None, ratio_null=None, method=None, compare='ratio', alternative='two-sided', etest_kwds=None)[source]

用于比较两个样本泊松强度率的测试。

费率定义为预期计数除以暴露量。

两个独立泊松样本的比率rate1和rate2的零假设和备择假设是

对于 compare = ‘diff’

  • H0: rate1 - rate2 - value = 0

  • H1: rate1 - rate2 - value != 0 如果 alternative = ‘two-sided’

  • H1: rate1 - rate2 - value > 0 如果 alternative = ‘larger’

  • H1: rate1 - rate2 - value < 0 如果 alternative = ‘smaller’

对于 compare = ‘ratio’

  • H0: rate1 / rate2 - value = 0

  • H1: rate1 / rate2 - value != 0 如果 alternative = ‘two-sided’

  • H1: rate1 / rate2 - value > 0 如果 alternative = ‘larger’

  • H1: rate1 / rate2 - value < 0 如果 alternative = ‘smaller’

Parameters:
count1int

第一个样本中的事件数量，治疗组。

exposure1float

第一个样本中的总暴露量（时间 * 受试者）。

count2int

第二个样本中的事件数量，对照组。

exposure2float

总曝光量（时间 * 样本数）在第二个样本中。

ratio_null: float

零假设下两个泊松率的比例。默认值为1。 已弃用，请改用value。

自版本0.14.0起已弃用: 请改用value。

valuefloat

在零假设下，两个独立率的比例或差异的值。默认是等率，即比例为1，差异为0。

在版本0.14.0中新增: 替换 ratio_null。

methodstr

测试统计量和p值的方法。默认为‘score’。 参见注释。

比率：

  • ‘wald’: 方法 W1A，wald 检验，基于观察率的方差

  • ‘score’: 方法 W2A, 得分检验, 基于零假设下估计的方差

  • ‘wald-log’: W3A, 使用对数比率，方差基于观察到的比率

  • ‘score-log’ W4A，使用对数比率，基于零假设下的估计的方差

  • ‘sqrt’: W5A，基于方差稳定平方根变换

  • ‘exact-cond’: exact conditional test based on binomial distribution

    这使用了 binom_test，它在双侧情况下类似于最小似然法。

  • ‘cond-midp’: 精确条件检验的中点p值

  • ‘etest’ 或 ‘etest-score: 带分数的etest统计量

  • ‘etest-wald’: 使用wald检验统计量的etest

差异：

  • ‘wald’,

  • ‘waldccv’

  • ‘分数’

  • ‘etest-score’ 或 ‘etest: etest with score test statistic

  • ‘etest-wald’: 使用wald检验统计量的etest

compare{‘diff’, ‘ratio’}

默认是“ratio”。 如果compare是ratio，那么假设检验是针对由ratio = rate1 / rate2定义的比率比。 如果compare是diff，那么假设检验是针对diff = rate1 - rate2。

alternative{“two-sided” (default), “larger”, smaller}

备择假设，H1，必须是以下之一

  • ‘双侧’: H1: 比率或差异不等于值

  • ‘larger’ : H1: 比率或差异大于值

  • ‘smaller’ : H1: 比率或差异小于值

etest_kwds: dictionary

传递给 etest_poisson_2indep 函数的其他可选参数，即 y_grid。

Returns:
resultsinstance of HolderTuple class

两个主要属性是检验统计量 statistic 和 p 值 pvalue。

另请参阅

tost_poisson_2indep
etest_poisson_2indep

注释

用于compare=”ratio”的假设检验基于Gu等人的2018年研究。 e检验也基于…

  • ‘wald’: 方法 W1A，wald 检验，基于单独估计的方差

  • ‘score’: 方法 W2A, 得分检验, 基于零假设下估计的方差

  • ‘wald-log’: W3A, 对数变换比率的wald检验

  • ‘score-log’ W4A，对数变换比率的得分检验

  • ‘sqrt’: W5A，基于方差稳定平方根变换

  • ‘exact-cond’: 基于二项分布的精确条件检验

  • ‘cond-midp’: 精确条件检验的中点p值

  • ‘etest’: 带有分数检验统计量的etest

  • ‘etest-wald’: 使用wald检验统计量的etest

用于 compare=”diff” 的假设检验主要基于 Ng 等人 2007 年的研究以及……

  • 瓦尔德

  • 分数

  • 测试分数

  • etest-wald

注意，etests 使用约束最大似然估计（cmle）作为基础泊松概率的参数。约束 cmle 参数与得分检验中的参数相同。 Krishnamoorty 和 Thomson 的 E-test 使用矩估计量而不是得分估计量。

参考文献

[1]

Gu, Ng, Tang, Schucany 2008: 测试两个泊松率的比例, 生物计量学杂志 50 (2008) 2, 2008

[2]

Ng, H. K. T., K. Gu, 和 M. L. Tang. 2007. “关于两个泊松均值差异的比较研究。” 计算统计与数据分析 51 (6): 3085–99. https://doi.org/10.1016/j.csda.2006.02.004.

Last update: Oct 16, 2024