W poniższym przykładzie
> m = matrix(c(3, 6, 5, 6), nrow=2)
> m
[,1] [,2]
[1,] 3 5
[2,] 6 6
> (OR = (3/6)/(5/6)) #1
[1] 0.6
> fisher.test(m) #2
Fisher's Exact Test for Count Data
data: m
p-value = 0.6699
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
0.06390055 5.07793271
sample estimates:
odds ratio
0.6155891
Obliczam iloraz szans (nr 1) „ręcznie”, 0,600; następnie (# 2) jako jeden z wyników dokładnego testu Fishera, 0,616.
Dlaczego nie dostałem tej samej wartości?
Dlaczego istnieje kilka sposobów obliczania ilorazu szans i jak wybrać najbardziej odpowiedni?
źródło
Aby odpowiedzieć na twoje drugie pytanie, biostaty nie są moją mocną stroną, ale uważam, że powodem wielu statystyk ilorazu szans jest uwzględnienie projektu próbkowania i projektu eksperymentów.
Znalazłem tutaj trzy referencje, które pozwolą ci zrozumieć, dlaczego istnieje różnica między warunkowym MLE a bezwarunkowym ilorazem szans, a także innymi typami.
Estymacja punktowa i przedziałowa wspólnego ilorazu szans w kombinacji tabel 2 × 2 ze stałymi marginesami
Wpływ błędu systematycznego na estymatory ryzyka względnego dla próbek dopasowanych parami i warstwowych
Badanie porównawcze szacowania warunkowego maksymalnego prawdopodobieństwa wspólnego ilorazu szans
źródło