Asimptotik Koşullu Analiz – Epidemiyolojide Biyoistatistiksel Yöntemler – Biyoistatistikler – Epidemiyoloji – Biyoistatistikler Nedir? – İstatistik Fiyatları – Ücretli İstatistik
Kontrollerin seçildiği popülasyonun karıştırıcı kategorilere göre tabakalandırılmış olduğunu düşünebiliriz, böylece kontrolleri tabakalı rastgele bir örnek haline getirebiliriz. Eşleştirilmiş durum kontrol tasarımının ayırt edici özelliği, tabakalaşmanın veri analizi zamanından ziyade örnekleme aşamasında çalışmaya dahil edilmesidir.
Eşleştirmenin bir sonucu olarak, vakalar ve kontroller, eşleşen değişkenlere göre zorunlu olarak aynı dağılıma sahiptir ve bu nedenle, eşleşen değişkenler karıştırıcı kaynaklar olarak elimine edilir. Ne yazık ki, bu aynı zamanda eşleşen değişkenlerin veri analizinde risk faktörleri olarak incelenemeyeceği anlamına gelir (yine de etki modifikasyonu için değerlendirilebilirler).
Eşleştirme, bir vaka kontrol çalışmasının parçası olarak dahil edildiğinde, zaten karmaşık olan bir tasarım çok daha karmaşık hale getirilir. Ortaya çıkabilecek sorunların bir örneği olarak, popülasyonda karıştırıcı olmayan bir eşleşen değişkenin, eşleştirme sonucunda “verilerde” bir karıştırıcıya dönüştürülebileceğini düşünün.
Eşleştirme, olasılık oranı tahmininin varyansının, vakaların ve kontrollerin basit rastgele örneklemesine kıyasla azaltılabilmesi anlamında verimlilikte potansiyel bir iyileşme sağlar. Bununla birlikte, verimlilikte beklenen kazanımın gerçekleşip gerçekleşmeyeceği, bir dizi değerlendirmeye bağlıdır: maruziyet-hastalık-karıştırıcı ilişkileri, eşleşen setlerin oluşturulma şekli ve vakalar ve kontroller hakkında bilgi toplamayla ilişkili göreceli maliyetler.
Eşleştirilmiş bir vaka kontrol çalışmasının başarısının belirleyicilerinden biri, istenen karıştırıcı profillere sahip kontrolleri bulmanın fizibilitesidir. Beklenen eşleşme sayısını tahmin etmek için yöntemler mevcuttur (McKinlay, 1974; Walter, 1980b). Eşleştirme hakkında daha fazla bilgi için bakınız, örneğin, Anderson et al. (1980), Breslow ve Day (1987) ve Rothman ve Grönland (1998) kaynaklarına bakılabilir.
Her vaka tek bir kontrolle eşleştirildiğinde, vaka kontrol çalışmasının eşleşmiş çiftler tasarımına sahip olduğu söylenir. Çift eşleştirme, her tabakanın tek bir durum ve tek bir kontrolden oluştuğu aşırı bir tabakalaşma biçimi olarak düşünülebilir. Bölüm 5’teki gösterime uygun olarak, eşleşen çiftlerin sayısını J ile gösteriyoruz.
SPSS kategorik değişken
Kategorik veri örnekleri
Kategorik veride kullanılabilecek tek ölçüt değeri nedir
Kategorik veri Nedir
Kategorik Veri çözümlemesi Kitap
Sosyal Bilimlerde Kategorik Verilerle ilişki Analizi pdf
Kategorik veri de kullanılabilecek tek ölçüt değeri
Kategorik veride kullanılabilecek tek ölçüt nedir
J yeterince büyükse, Bölüm 5.2’de tartışılan seyrek katman koşulları karşılanır ve bu nedenle asimptotik koşullu ve MH-RBG yöntemleri, verileri analiz etmek için kullanılabilir. Bölüm 5’te verilen formüller doğrudan uygulanabilir, ancak eşleşen çiftler tasarımı, aşağıda gösterildiği gibi bazı basitleştirmelerle sonuçlanır.
Eşleşen her çifte karşılık gelen, m1 j = m2 j = 1 ile Tablo 5.1’deki 2 × 2’lik bir tablo vardır. Her durum ve her kontrol açıkta veya açıkta olduğundan, aşağıda gösterildiği gibi dört olası konfigürasyon vardır. Tablo 11.6. Örneğin, sağ üst konfigürasyon, vakanın bir maruziyet geçmişine sahip olduğu ancak kontrolün bulunmadığı eşleşen bir çifte karşılık gelir.
Bu konfigürasyona (1, 0) türü olarak atıfta bulunuyoruz ve bu konfigürasyona sahip eşleşen çiftlerin sayısını f (1,0) ile ifade ediyoruz. Diğer konfigürasyonlar için benzer tanımlar geçerlidir. (1, 0) ve (0, 1) tipindeki konfigürasyonların uyumsuz olduğu söylenir çünkü her eşleşen çiftin üyelerinin farklı maruz kalma geçmişleri vardır.
(1, 1) ve (0, 0) tipi konfigürasyonlar uyumlu olarak anılır. Yapılandırmalar Tablo 11.7’de daha derli toplu gösterilmekte ve yapılandırma sayıları Tablo 11.8’de verilmektedir. J tabakası (eşleşen çiftler) olduğu için, J = f (1,1) + f (1,0) + f (0,1) + f (0,0) olur.
Asimptotik Koşullu Analiz
Bu bölümde Bölüm 5.2’deki asimptotik koşullu yöntemleri eşleşen çiftler tasarımına uyguluyoruz (Miettinen, 1970). Aşağıda, olasılık oranının tabakalar arasında homojen olduğunu varsayıyoruz. (1,1) tipi bir konfigürasyon için, karşılık gelen hipergeometrik dağılımın ortalamasını (5.21) ve varyansını (5.22) E (1,1) ve V (1,1) ve benzer şekilde diğer konfigürasyonlar için belirtin.
E (1,0) = E (0,1) ve V (1,0) = V (0,1) olması şaşırtıcı değildir çünkü hipergeometrik ortalamalar ve varyanslar marjinal toplamlar ile belirlenir ve uyumsuz çiftler aynıdır. marjinal toplamlar. (11.4) ‘den, koşullu maksimum olabilirlik denkleminin (5.23) sol tarafı
- a1 • = f (1,1) × 1 + f (1,0) × 1 + f (0,1) × 0 + f (0,0) × 0 = f (1,1) + f (1, 0)
ve sağ taraf
- f (1,1) Eˆ (1,1) + f (1,0) Eˆ (1,0) + f (0,1) Eˆ (0,1) + f (0,0) Eˆ (0,0 ) olmalıdır.
ORc, (logORc) ve Xmh formüllerinin yalnızca uyumsuz çiftlerden gelen verileri kullanması önemli bir gözlemdir. Bu, çalışmaya giren çabanın çoğunu temsil edebilen uyumlu çiftlerden toplanan bilgilerin göz ardı edildiği anlamına gelir.
Uyumsuz ve uyumsuz çiftlere ilişkin verileri kullanan olasılık oranı tahminleri geliştirilmiştir (Liang ve Zeger, 1988; Kalish, 1990). Tüm veriler kullanıldığından, ortaya çıkan olasılık oranı tahmininin varyansı kıyaslandığında azaltılır.
Çift eşleştirmenin bozuk olduğunu ve verileri tek bir 2 × 2 tablo halinde daralttığımızı varsayalım. Tablo 11.8’den maruziyet geçmişi olan vakaların sayısı f (1,1) + f (1,0), maruziyet geçmişi olan kontrollerin sayısı f (1,1) + f (0,1) , ve bunun gibi. Elde edilen ham tablo Tablo 11.9’da verilmiştir.
Tablo 11.9’daki tüm iç hücrelerin toplamının, çalışmadaki denek sayısı olan 2J olduğuna dikkat edin. Olasılık oranının kaba asimptotik koşulsuz tahmini, ORc’nin tabakalı tahmin ORc’ye kıyasla sıfıra doğru önyargılı olduğu gösterilebilir. Örnek 13.3’te bir örnek verilmektedir. Bu, OR ve θ ile ilgili eşitsizliklerin bir başka tezahürüdür ve Bölüm 2.4.5’te tartışılmıştır, burada OR ve θ şimdi sırasıyla ham ve çift eşleşmeli olasılık oranlarını temsil etmektedir.
Bölüm 2.4.5’in sonuçlarını mevcut bağlama dönüştürmek için, E ve D’nin rolleri tersine çevrilmelidir, böylece π1 j ve π2 j maruziyet olasılıkları haline gelir. Eşleşen çiftler tasarımı için, p1 j = p2 j = 1 / J ve dolayısıyla (2.15) ‘in buna göre basitleştirdiğini unutmayın. Liang (1987), eşleşen çiftler tasarımına uygulanabilen bir homojenlik testini açıklamaktadır.
Mantel – Haenszel ve Robins – Breslow – Grönland Tahminleri
Mantel-Haenszel olasılık oranının tahminini ve eşleşen çift durum kontrol verileri için RBG varyans tahminini türetmek için, önceki bölümde olduğu gibi tartışır ve elde ederiz. Bunlar tam olarak asimptotik koşullu yaklaşıma dayalı tahminlerdir.
Uyumsuz Çiftler için Koşullu Yöntemler
Yukarıda ele alınan asimptotik koşullu, Mantel-Haenszel ve RBG tahminleri, yalnızca uyumsuz çiftlere dayanmaktadır. Eşleşen çiftler vaka-kontrol verilerini analiz etmenin başka bir yöntemi, gözlenen uyumsuz çift sayısı f (1,0) + f (0,1) üzerinde koşullandırmayla başlar.
Kategorik Veri çözümlemesi Kitap Kategorik veri de kullanılabilecek tek ölçüt değeri Kategorik veri Nedir Kategorik veri örnekleri Kategorik veride kullanılabilecek tek ölçüt değeri nedir Kategorik veride kullanılabilecek tek ölçüt nedir Sosyal Bilimlerde Kategorik Verilerle ilişki Analizi pdf SPSS kategorik değişken