基于winbugs软件在含结构零的2×2列联表中风险差和风险比的贝叶斯置信区间的计算及样本量的确定-calculation of bayesian confidence interval of risk difference and risk ratio and determination of sample size based on win bugs software in 2× 2 contingency table with structural ze.docxVIP

AbstractJeffreys’priorperformsbetterthanthescore-basedconfidenceinterval,we calculatedrequiredsamplesizeusingALC(Averagelengthcriterion)criteriabasedon thetail-basedintervalsofRD,anddothesamethingusingmaximumposteriorvarianceandaverageposteriorvariancecriteriabasedontheposteriorvarianceof RD.Keywords:acorrelated2×2tablewithstructuralzero;riskdifference(RD);riskratio(RR);Bayesianapproach;Dirichletpriordistribution;tail-basedconfidenceinterval;SamplesizedeterminationIV学位论文原创性声明声明：本人所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。论文作者签名：日期：年月日学位论文版权使用授权书本人完全了解云南财经大学有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文和论文电子版，允许学位论文被查阅或借阅；学校可以公布学位论文的全部或部分内容，可以采用影印、缩印或其它复制手段保存、汇编、发表学位论文；授权学校将学位论文的全文或部分内容编入、提供有关数据库进行检索。（保密的学位论文在解密后遵循此规定）论文作者签名：导师签名：日期：年月日日期：年月日第一章引言近年来，含结构零的2×2列联表在临床二次感染数据及两步试验中的应用引起了越来越广泛的关注。在以Agrest i（1990，2002）和Lui（1998，2000）为代表的二次感染数据的研究中，结构零意味着2×2列联表中理论上无法观测到的特定元素（格子）。一个典型的例子是Agresti（2002）给出的关于小牛感染的问题，首先根据小牛是否受到首次（肺炎）感染将其分类，然后在特定时间段内当首次感染消除后再根据其是否发生第二次感染进行分类，通常认为在没有受到首次感染的情况下不可能受到第二次感染，于是在2×2列联表对应于无第一次感染而发生第二次感染的格子必然出现结构零。下表可用于描述这样的数据结构。表1.1含结构零的2×2列联表的数据和概率首次感染二次感染是否总计X是11(P11)X12(P12)X1+(P1+)否-X22(P22)X22(P22)X总计11(P11)X12+X22(P11+P22)n(1)其中，X11是两个阶段都发生感染的对象数，X22是两次均未受到感染的对象数，X11+ X12 =X1+，X1++X22 =n，P11,P12,P22分别表示相应格子的概率，且P11 +P12 =P1+，P1+ +P22 =1。对于青霉素过敏反应（Garcia et al.，1997；Tang et al.，2004）以及肺结核测试（Toyotaetal.，1999；Tangetal.，2003）的两步试验而言，结构零则是试验设计时有意引入2×2列联表的。在上述比较二次感染的差异及两步试验的优劣时，通常采用的度量标准是风险差（RD）或风险比（RR）。所谓风险差（RD）是指，首次感染（首次检测为阴性）的概率与给定首次感染（首次检测为阴性）的前提下再次感染（二次检测为阴性）的条件概率之差。而所谓风险比（RR）是指首次感染（首次检测为阴性）的条件下二次感染（二次检测为阴性）的条件概率和首次感染（首次检测为阴性）的概率之比，它可反映在首次感染（首次检测为阴性）和二次感染（二次检测为阴性）中概率的变化情况。一些研究者（Tangetal.，2002）认为在比较二次感染的差异时，风险比（RR）较之风险差( RD) 使用起来要更加自然一些。频率学派对上述问题的研究已很广泛，以下是一些主要的研究内容：关于风险差（RD），Agresti（1990）给出了风险差(RD)是否为零的假设检验；Lui（2000）分别基于Wald检验统计量、似然比检验和Fisher 信息准则给出了风险差的置信区间，其实证研究表明基于似然比检验的置信区间表现较好；Tanget al .（2003）进一步提出了Score检验及基于Score检验统计量的置信区间，并发现其表现良好且与基于似然比检验的置信区间有类似性质。而对于风险比