ฉันสนใจในการสร้างแบบจำลองของข้อมูลการตอบสนองแบบไบนารีในการสังเกตคู่ เราตั้งเป้าหมายที่จะทำการอนุมานเกี่ยวกับประสิทธิผลของการแทรกแซงก่อนการโพสต์ในกลุ่มอาจปรับเปลี่ยนสำหรับ covariates หลายคนและพิจารณาว่ามีการแก้ไขผลกระทบโดยกลุ่มที่ได้รับการฝึกอบรมที่แตกต่างกันโดยเฉพาะอย่างยิ่งเป็นส่วนหนึ่งของการแทรกแซง
รับข้อมูลของแบบฟอร์มต่อไปนี้:
id phase resp
1 pre 1
1 post 0
2 pre 0
2 post 0
3 pre 1
3 post 0
และตารางฉุกเฉินของข้อมูลที่ตอบสนองต่อการจับคู่:
เรากำลังสนใจในการทดสอบสมมติฐาน:1
การทดสอบของ McNemar ให้:ภายใต้ (asymptotically) สิ่งนี้เป็นสิ่งที่เข้าใจได้ง่ายเพราะเราคาดหวังว่าสัดส่วนของคู่ที่ไม่ลงรอยกัน (และ ) เท่ากันจะได้รับผลบวก ( ) หรือผลลบ ( c ) ด้วยความน่าจะเป็นของนิยามกรณีบวกกำหนดp = bและn=B+C อัตราต่อรองของการสังเกตคู่ที่ไม่ลงรอยกันเป็นบวกคือp .
ในทางกลับกันการถดถอยโลจิสติกแบบมีเงื่อนไขใช้วิธีการที่แตกต่างกันในการทดสอบสมมติฐานเดียวกันโดยการเพิ่มความน่าจะเป็นแบบมีเงื่อนไขให้ได้:
ที่ค
ดังนั้นความสัมพันธ์ระหว่างการทดสอบเหล่านี้คืออะไร? เราจะทำการทดสอบอย่างง่ายของตารางฉุกเฉินที่แสดงไว้ก่อนหน้านี้ได้อย่างไร ดูการปรับเทียบค่า p จาก clogit และแนวทางของ McNemar ภายใต้ null คุณคิดว่ามันไม่เกี่ยวข้องกันอย่างสมบูรณ์!
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')
exact2x2
อาจอ้างอิง