论文部分内容阅读
在医学统计和流行病学研究中,人们经常遇到新的治疗方法和标准治疗方法的等价性评价以及构造它们的危险度差的置信区间等问题,目前国内外利用配对实验设计对这类问题进行了大量研究.他们的研究大都在完全数据的情况下进行的.但在现实生活中,一些数据可能存在缺失的情况。.Chang(2009)对带有缺失数据的配对实验设计进行了研究.给出了独立样本的置信区问,但是没有给出在相关情况下风险度差的置信区间.Lin(2009)等利用贝叶斯P-值对带有缺失数据的配对实验设计进行了研究.给出了犯第一类错误的概率和功效,但是没有考虑带有缺失数据配对实验设计危险度差的置信区间。
本文在MAR缺失机制下,讨论了带有缺失数据配对实验设计的危险度差的统计推断问题.推导出了危险度差的渐近置信区间,基于MOVER方法的危险度差的置信区间,Wilson Score置信区间、Agresti-Coull置信区间、Jeffreys置信区间,基于MOVER-Φ-系数危险度差的Wilson Score置信区间、Agresti-Coull置信区间、Jeffreys置信区间.证明了基于MOVER方法的危险度差的置信区间和危险度差的渐近置信区间是等价的。通过蒙特卡罗模拟研究计算出期望覆盖慨率、置信区间宽度、非覆盖概率,比较了七种置信区间的优劣,得到以下结论:⑴就覆盖概率而言,当样本较小时,MOVER-Agresti-Coull方法得到的置信区间在所建立的7个置信区间中是最好的,并且样本量的变化对其影响很小。⑵就置信区间宽度而言,总体看来,MOVER置信区间和基于Φ-系数的三种置信区间较短.但随着样本量的增大,七种置信区间的宽度变化越来越小。⑶就非覆盖概率而言,七种置信区间的比例都接近0.5,没有落入置信区间中的估计值在置信区间两侧分布比较均匀。最后借助一个实例分析,说明了方法的具体应用。