【问题标题】:Standard Error for Relative Risk相对风险的标准误
【发布时间】:2012-08-11 01:52:33
【问题描述】:

我正在尝试对相对风险的标准错误进行编码。在许多情况下,我获得了 SE 的无穷大和 NaN 的置信限。我想知道是否需要为参数指定限制才能获得有限的标准误差。这是我的代码

    set.seed(111) 
    k<-63
    n<-60
    xt<-NULL
    xc<-NULL

    pt<-rbeta(k,3,3)   # treatment effect
    pc<-rbeta(k,1,3)   # control effect
    true_RR<-pt/pc   # True Relative Risk

    for(i in 1:k)
    {
    xt<-cbind(xt,rbinom(300,n,pt[i]))

    xc<-cbind(xc,rbinom(300,n,pc[i]))
     }
    a<-xt
    b<-n-a
    c<-xc
    d<-n-c

    RR<-xt/xc

    for (i in 1:300){

    for (j in 1:63) 
    {
    if (xc[i,j]==0)
    {
     RR[i,j]<-0
     }}}
     se_rate<-sqrt((b/(a*(a+b)))+(d/(c*(c+d))))

     l_cl<-RR*exp(-1.96*se_rate)
     u_cl<-RR*exp(1.96*se_rate)

【问题讨论】:

    标签: r


    【解决方案1】:

    你得到Inf的原因是因为你除以0。特别是,你设置

    xc = cbind(xc,rbinom(300,n,pc[i]))
    c = xc
    

    然后再计算:

    d/(c*(c+d))
    

    因此,将c 设置为零的概率非零。相反,您应该做的是统计问题,我们没有足够的信息给您明智的建议。

    【讨论】:

    • 我确实理解为标准错误获取 Inf 的原因。但我的问题更多是因为我正在尝试使用标准方法和 BUGS 生成数据并对其进行评估。如果我得到 SE=Inf,我无法计算 95% 的标准置信区间,因此无法计算覆盖率。所以我的观点是我们是否应该像 a,c>0 那样对参数 a,b,c,d 的选择应用限制,还是只报告我们得到的结果?
    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2014-02-04
    • 1970-01-01
    • 2019-06-01
    • 2010-10-02
    • 1970-01-01
    • 2020-05-20
    相关资源
    最近更新 更多