为什么在 fisher.test() 函数中获得的估计优势比与计算的优势比不同？答案

【问题标题】：Why does estimated odds ratio obtained in fisher.test() function different from calculated odds ratio?为什么在 fisher.test() 函数中获得的估计优势比与计算的优势比不同？
【发布时间】：2016-09-04 21:33:20
【问题描述】：

这是我的列联表：

X
#      Yes   No
# Pre    5  685
# Post  17 1351

费雪测试

fisher.test(X)

#        Fisher's Exact Test for Count Data

# data:  X
# p-value = 0.3662
# alternative hypothesis: true odds ratio is not equal to 1
# 95 percent confidence interval:
# 0.1666371 1.6474344
# sample estimates:
# odds ratio 
# 0.5802157

计算赔率

P1<-5/(5+685)
P2<-17/(17+1351)
(P1/(1-P1))/(P2/(1-P2))
# [1] 0.5800773

为什么值不同？ R中的fisher检验函数如何计算估计的优势比？

【问题讨论】：

标签： r

【解决方案1】：

查看fisher.test底层的代码，我明白了

ESTIMATE <- c(`odds ratio` = mle(x))

在它的正上方是

mle <- function(x) {
            if (x == lo) 
                return(0)
            if (x == hi) 
                return(Inf)
            mu <- mnhyper(1)
            if (mu > x) 
                uniroot(function(t) mnhyper(t) - x, c(0, 1))$root
            else if (mu < x) 
                1/uniroot(function(t) mnhyper(1/t) - x, c(.Machine$double.eps, 
                  1))$root
            else 1
        }

在不探索mle 定义上方代码的所有细节的情况下，看起来fisher.test 正在根据mnhyper 中定义的理论假设求解赔率方程（fisher.test[1 中定义的另一个函数） ])，而不是直接从数据中计算出来。我怀疑如果我想得到一个完整的答案，我需要阅读?fisher.test中的参考资料

[1] fisher.test 中有几个函数，例如 dnhyper、mnhyper 和 pnhyper，它们似乎是非中心超几何分布的分布函数。

【讨论】：

在您看来，我应该在分析中报告哪个优势比值？
就个人而言，我会将优势比四舍五入到百分之一。我怀疑您可能会遇到差异甚至达到千分之一的情况。