Question

这是我的列联表：

X
#      Yes   No
# Pre    5  685
# Post  17 1351

费希尔测试

fisher.test(X)

#        Fisher's Exact Test for Count Data

# data:  X
# p-value = 0.3662
# alternative hypothesis: true odds ratio is not equal to 1
# 95 percent confidence interval:
# 0.1666371 1.6474344
# sample estimates:
# odds ratio 
# 0.5802157

计算优势比

P1<-5/(5+685)
P2<-17/(17+1351)
(P1/(1-P1))/(P2/(1-P2))
# [1] 0.5800773

为什么值不同？ R中的Fisher测试函数如何计算估计的比值比？

Answer 1

查看ESTIMATE <- c(`odds ratio` = mle(x))底层代码，我看到了

mle <- function(x) {
            if (x == lo) 
                return(0)
            if (x == hi) 
                return(Inf)
            mu <- mnhyper(1)
            if (mu > x) 
                uniroot(function(t) mnhyper(t) - x, c(0, 1))$root
            else if (mu < x) 
                1/uniroot(function(t) mnhyper(1/t) - x, c(.Machine$double.eps, 
                  1))$root
            else 1
        }

紧接其上方是

mle

在没有探索fisher.test定义之上的代码的所有细节的情况下，看起来mnhyper正在根据fisher.test中定义的理论假设求解赔率的等式（另一个函数定义在?fisher.test [1]中，而不是直接从数据中计算出来。我怀疑如果我想得到一个完整的答案，我需要阅读fisher.test

中的参考文献

[1] dnhyper中有几个函数，例如mnhyper，pnhyper和<script src='fullcalendar/lang/es.js'></script>，它们似乎是非中心超几何分布的分布函数。

为什么在fisher.test（）函数中获得的估计比值比与计算的比值比不同？

1 个答案: