statsmodels.stats.rates.tost_poisson_2indep¶

statsmodels.stats.rates.tost_poisson_2indep(count1, exposure1, count2, exposure2, low, upp, method='score', compare='ratio')[source]¶

基于两个单侧的等效性检验 test_proportions_2indep

这假设我们有两个独立的泊松样本。

等效性检验的零假设和备择假设是

对于 compare = ‘ratio’

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

• H1: 低 < rate1 / rate2 < 高

对于 compare = ‘diff’

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

• H1: 低 < 比率 - 比率 < 高

Parameters:¶

count1int

第一个样本中的事件数量

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

exposure2float

第二样本中的总暴露量（时间 * 受试者）

low, upp

泊松率比值或差异的等效边际

method: string

TOST 使用 test_poisson_2indep 并且具有相同的方法。

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

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

test_poisson_2indep

confint_poisson_2indep

参考文献

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