승산 비 계산 및 해석

확률 및 통계 > 확률 > 승산 비

오즈 비란 무엇입니까?

오즈 비 (OR)는 모집단에서 특정 부동산 A와 두 번째 부동산 B 간의 연관성을 측정 한 것입니다. 특히 속성 A의 유무가 속성 B의 유무에 어떤 영향을 미치는지 알려줍니다. OR는 특정 노출 (예 : 가공육 섭취)이 특정 위험 요인인지 파악하는데도 사용됩니다. 결과 (예 : 결장암) 및 해당 결과에 대한 다양한 위험 요소를 비교합니다. 수술실을 사용하여 알코올 사용이 간 질환으로 이어지는 정도를 알아볼 수 있습니다. 또는 휴대 전화 사용이 뇌암과 관련이 있는지 알아보고 싶을 수도 있습니다. 두 개의 속성이 연결되어 있다고 생각하는 한 배당률을 계산할 수 있습니다.

배당률 계산 방법

공식에 대한 두 가지 선택이 있습니다.
( a / c) / (b / d)
또는 동등하게 :
(a * d) / (b * c)

일반 단계 :
1 단계 : 배당률 계산 인구의 구성원이 “A”속성을 가지고 있음을 확인합니다. 그 사람이 이미 “B”를 가지고 있다고 가정합니다.
2 단계 : 인구 구성원이 “A”속성을 가질 확률을 계산합니다. 그 사람이 “B”를 갖고 있지 않다고 가정합니다. .”
3 단계 : 1 단계를 2 단계로 나누어 승산 비 (OR)를 구합니다.

배당률 예

이미지 : Michigan.gov

위 이미지는 아이스크림을 먹은 사람과 먹지 않은 사람의 두 가지 수준의 아이스크림 노출을 보여줍니다. 2×2 표는 또한 두 가지 결과 수준을 보여줍니다. 아픈 사람 ( “케이스”)과 그렇지 않은 사람 ( “대조군”)입니다. 승산 비는 다음과 같이 계산됩니다.

결과 승산 비가 .55라는 것은 아픈 사람들이 아이스크림을 먹을 가능성이 사람들의 절반 정도라는 것을 의미합니다.

승산 비 해석; 결과는 무엇을 의미합니까?

• 정확히 1의 승산 비는 속성 A에 대한 노출이 속성 B의 승산에 영향을 미치지 않음을 의미합니다.
• 1은 속성 A에 노출 될 때 속성 B의 확률이 더 높음을 의미합니다.
• 승산 비가 1보다 작 으면 더 낮은 확률과 관련이 있습니다.

그러나 , 그것은 그렇게 간단하지 않습니다. 승산 비는 실제 상황을 설명 할 때 지나치게 단순하다고 생각할 수 있습니다. 예를 들어 OR이 양성이라고해서 통계적으로 유의미한 결과가 있다는 의미는 아닙니다. 이를 알아 내려면 신뢰 구간과 p- 값 (알고있는 경우)을 고려해야합니다. 다른 문제는 결과가 통계적으로 유의하다고 판단하더라도 해당 유의성이 모든 모집단 구성원에게 적용되지 않을 수 있다는 것입니다. 거의 항상 위험과 관련된 많은 요인이 있습니다. 예를 들어,이 기사는 전반적으로 우울증이 자살과 밀접한 관련이 있지만 “… 특정 크기와 구성을 가진 특정 표본에서, 다른 변수가있는 경우 연관성이 중요하지 않을 수 있습니다.”라고 지적합니다.

인구 평균 vs. 주제별 확률 비율

인구 평균 모델은 주변 분포를 비교하고 전체 모집단에 미치는 영향에 대한 개요를 제공합니다. 분할 표의 여백에는 합계가 포함되어 있으므로 전체 모집단에 대한 한계 승산 비를 계산하는 데 사용하는 것이 합리적입니다. 반면에 주제별 모델은 모형 내의 특정 조건 또는 경험과 같은 결합 분포를 봅니다. 결합 분포는 조건부 승산 비를 계산하는 데 사용됩니다. .

한계 승산 비 예 (인구 용 평균 모델)
Michael Radelet은 1976-77 년 플로리다의 사형 선고 데이터를 연구했습니다. * Calcu 피고 인종에 대한 한계 승산 비를 늦추고 사형을 선고 받았는지 여부가 달라 졌는지 여부 :

해결 방법 :

1. 표의 값을 합산 (마진 화)합니다. 우리는 피고인의 인종과 그들이 사형을 받았는지 여부에만 관심이 있습니다. 따라서 우리는 희생자의 인종에 대한 가치를 소외 (합계) 할 수 있습니다. 그러면 새로운 2×2 테이블이 생성됩니다.
   
2. 주변 테이블의 정보를 사용하여 OR을 찾습니다 (OR 공식 사용 위에서) :
   OR = (a / c) / (b / d) = (19/17) / (141/149) = 1.12 / 0.95 = 1.18.
   확률은 a보다 1.18 배 더 높습니다. 백인 피고인은 흑인 피고인에 비해 사형을 선고받습니다.

* 당신이 그의 발견에 관심이 있다면 그는 그 가설을 뒷받침 할 명확한 증거가 없다고 결론지었습니다. 피고의 인종은 사형 부과와 밀접한 관련이 있습니다.

피험자 별 모델은 위의 모든 예와 동일한 공식을 사용하여 승산 비를 계산합니다.유일한 차이점은 모든 변수를 합하는 대신 하나의 변수 상수를 유지한다는 것입니다 (예 : 공동 분포를 사용함).

다음 : 조정 된 승산 비

Agresti A. (1990) 범주 형 데이터 분석. John Wiley and Sons, New York.
Radelet, M. L. 인종적 특성 및 사형 부과. American Sociological Review, v46 n6 p918-27 1981 년 12 월
Levine, D. (2014). 당신도 배울 수 있습니다 통계 및 분석 : 이해하기 쉬운 통계 및 분석 가이드 3 판. Pearson FT Press

———————————- ——————————————–

숙제 나 시험 문제에 도움이 필요하십니까? Chegg Study를 사용하면 해당 분야의 전문가로부터 질문에 대한 단계별 솔루션을 얻을 수 있습니다. Chegg 튜터와의 첫 30 분은 무료입니다!