Dalam contoh berikut
> 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
Saya menghitung rasio odds (# 1) "secara manual", 0,600; kemudian (# 2) sebagai salah satu output dari uji eksak Fisher, 0,616.
Mengapa saya tidak mendapatkan nilai yang sama?
Mengapa beberapa cara menghitung odds-ratio ada, dan bagaimana memilih yang paling tepat?
sumber
Untuk menjawab pertanyaan kedua Anda, biostats bukan keahlian saya, tetapi saya percaya alasan untuk statistik rasio odds berganda adalah untuk memperhitungkan desain pengambilan sampel dan desain eksperimen.
Saya telah menemukan tiga referensi di sini yang akan memberi Anda sedikit pemahaman tentang mengapa ada perbedaan antara MLE bersyarat vs tanpa syarat untuk rasio odds, serta jenis lainnya.
Estimasi titik dan interval dari rasio odds umum dalam kombinasi 2 × 2 tabel dengan margin tetap
Pengaruh Bias pada Estimator Risiko Relatif untuk Pasangan yang Cocok dan Sampel Bertingkat
Studi Komparatif Estimasi Kemungkinan Maksimum Bersyarat dari Rasio Peluang Umum
sumber