| t检验和回归系数的置信区间 |
|
当上述F检验结论是推翻H0时并不见得每个解释变量都对yt有显著的解释作用（即不见得每一个都是重要解释变量），所以还应对每个解释变量的系数进行显著性检验零假设与备择假设分别是
注意：对于模型 (3.1)，上述t检验应做k - 1次t检验是双端（侧）检验。 则单个b j的置信区间是 |
[1]黄耀华,唐欣然,段重阳,等.两组率同為100%或0%时率差置信区间估计的SAS实现[J].中国卫生统计,月1):11-014.
这个帖子发布于6年零53天前其中嘚信息可能已发生改变或有所发展。
|
筛查试验中计算灵敏度、特异度、准确度的方法通常都比较容易掌握但是相应的95%的置信区间的计算卻很少有人听说，更少有人关注其准确的算法由于灵敏度、特异度、准确度都是率或百分比变量（proportions），因此相应的置信区间可以采用标准的率或百分比的方法来计算
虽然统计之星在下面的帖子中给出的相关的公式，从其公式来看其基本思想其实就是根据率或百分比的置信区间来计算，但是统计之星只给出了公式并没有做太多的说明。但实际上率或百分比的置信区间的算法通常有两种：渐进（asymptotic）和精確的95%CI必须加以区别。 精确置信区间是基于二项分布的原理而渐进的置信区间则是基于样本分布近似于正态分布的原理计算得到。选择哪一种方法主要取决于样本分布是否更接近正态分布如果事件数很小或样本量很少时，通常正态分布的假设就不能满足此时就应该采鼡精确的置信区间。SAS中能够同时提供两种结果具体参考附件中的例子。 |
不知道邀请谁试试他们
| t检验和回归系数的置信区间 |
|
当上述F检验结论是推翻H0时并不见得每个解释变量都对yt有显著的解释作用（即不见得每一个都是重要解释变量），所以还应对每个解释变量的系数进行显著性检验零假设与备择假设分别是
注意：对于模型 (3.1)，上述t检验应做k - 1次t检验是双端（侧）检验。 则单个b j的置信区间是 |