Im folgenden Beispiel
> 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
Ich habe das Odds Ratio (# 1) "manuell" berechnet, 0,600; dann (# 2) als eine der Ausgaben des exakten Fisher-Tests 0,616.
Warum habe ich nicht den gleichen Wert erhalten?
Warum gibt es verschiedene Möglichkeiten zur Berechnung des Odds-Ratio und wie wählt man die am besten geeignete aus?
quelle
Um Ihre zweite Frage zu beantworten, Biostate sind nicht meine Stärke, aber ich glaube, der Grund für Statistiken mit mehreren Quotenverhältnissen besteht darin, das Stichprobendesign und das Design von Experimenten zu berücksichtigen.
Ich habe hier drei Referenzen gefunden, die Ihnen ein wenig Verständnis dafür geben, warum es einen Unterschied zwischen bedingtem MLE und bedingungslosem Quotenverhältnis sowie anderen Typen gibt.
Punkt- und Intervallschätzung des gemeinsamen Quotenverhältnisses in der Kombination von 2 × 2 Tabellen mit festen Rändern
Die Auswirkung der Verzerrung auf Schätzer des relativen Risikos für paarweise und geschichtete Proben
Eine vergleichende Studie zur bedingten Schätzung der maximalen Wahrscheinlichkeit eines gemeinsamen Quotenverhältnisses
quelle