McNemar의 검정과 조건부 로지스틱 회귀 분석의 관계


14

쌍으로 된 관측치에서 이진 반응 데이터의 모델링에 관심이 있습니다. 우리는 그룹에서 사전 사후 중재의 효과에 대해 추론하여 잠재적으로 여러 공변량을 조정하고 중재의 일부로 특별히 다른 훈련을받은 그룹에 의한 효과 수정이 있는지를 결정합니다.

다음과 같은 형식의 데이터가 제공됩니다.

id phase resp
1  pre   1
1  post  0
2  pre   0
2  post  0
3  pre   1
3  post  0

그리고 대응 응답 정보 의 2×2 상표 :

사전옳은잘못된우편옳은잘못된

H0:θ=1

=()2+χ12H0=+=+1=

반면에 조건부 로지스틱 회귀 분석에서는 조건부 우도를 최대화하여 다른 가설을 사용하여 동일한 가설을 검정합니다.

(엑스;β)=제이=1특급(β엑스제이,2)특급(β엑스제이,1)+특급(β엑스제이,2)

특급(β)=θ

그렇다면이 테스트들 사이의 관계는 무엇입니까? 앞서 제시 한 비상 대응표를 어떻게 간단하게 테스트 할 수 있습니까? null 하에서 clogit 및 McNemar의 접근법에서 p- 값을 보정하면 완전히 관련이 없다고 생각합니다!

library(survival)
n <- 100
do.one <- function(n) {
  id <- rep(1:n, each=2)
  ph <- rep(0:1, times=n)
  rs <- rbinom(n*2, 1, 0.5)
  c(
    'pclogit' = coef(summary(clogit(rs ~ ph + strata(id))))[5],
    'pmctest' = mcnemar.test(table(ph,rs))$p.value
  )
}

out <- replicate(1000, do.one(n))
plot(t(out), main='Calibration plot of pvalues for McNemar and Clogit tests', 
  xlab='p-value McNemar', ylab='p-value conditional logistic regression')

여기에 이미지 설명을 입력하십시오


재미있다! 두 방법은 이론에 따라 비슷한 결과를 가져야합니다. 질문을 올바르게 이해하면 McNemar 검정의 귀무 가설은 =/=1

나는 McNemar의 검정을 승산 비의 검정으로 매개 변수화 할 수 있다는 것을 기억하는 것 같습니다. 그래서 그 검정에 대한 가능성 (조건부 가능성?)을 어떻게 작성할지 궁금합니다.
AdamO

McNemar 's Test의 정확한 버전을 의미하는지 확실하지 않습니다. Breslow and Day (1980) , p. 164-166 및 패키지 exact2x2 는 참조 일 수 있습니다.
Randel

답변:


4

죄송합니다. 오래된 문제입니다. 우연히이 문제를 발견했습니다.

mcnemar 테스트를위한 코드에 실수가 있습니다. 시도해보십시오 :

n <- 100
do.one <- function(n) {
  id <- rep(1:n, each=2)
  case <- rep(0:1, times=n)
  rs <- rbinom(n*2, 1, 0.5)
  c(
    'pclogit' = coef(summary(clogit(case ~ rs + strata(id))))[5],
    'pmctest' = mcnemar.test(table(rs[case == 0], rs[case == 1]))$p.value
  )
}

out <- replicate(1000, do.one(n))

여기에 이미지 설명을 입력하십시오


와! 감사합니다. 커뮤니티에 오신 것을 환영합니다. 명확히하기 위해 McNemar는 불일치 일치 쌍 (?)에 대해 작업하며 그러한 쌍은 clogit에서 삭제됩니까? mcnemar 결과 계산에 id가 어떻게 관련되어 있는지 알 수 없습니다. 아마도 이것에서 상관 관계를 생성하면 clogit이 무엇을하고 있는지 밝히는 데 도움이 될 것입니다.
AdamO

2

2 개의 경쟁 통계 모델이 있습니다. 모델 # 1 (널 가설, McNemar) : 확률에 대한 정확함 = 부정확 한 가능성의 가능성 = 0.5 또는 동등한 b = c. 모형 # 2 : 틀린 확률은 틀린 것 <틀린 것의 틀린 것 또는 그와 동등한 것 b> c. 모형 # 2의 경우 최대 우도 방법과 로지스틱 회귀를 사용하여 모형 2를 나타내는 모형 모수를 결정합니다. 통계 학적 방법은 각 방법이 다른 모형을 반영하기 때문에 다르게 보입니다.


clogit이 양측 테스트가 아니라고 말하는가?
AdamO
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.