我正在尝试计算一些可以放入 2x2 表中的比值比和显着性。问题是 Sas 中的 Fisher 测试需要很长时间。
我已经有了细胞计数。如果不是因为样本量非常小,我可以计算卡方。然而,有些却非常大,细胞大小达到数十万。
当我尝试在 R 中计算这些时,没有问题。然而,当我尝试在 Sas 中计算它们时,它要么任务太长,要么简单地错误并显示消息“对于此样本大小,无法以足够的精度计算费舍尔精确检验。”
当我创建一个玩具示例(从数据集中提取一个实例并计算它)时,它确实会计算,但需要很长时间。
数据鲍勃;
输入目标$status$wt;
牌;
空调4083
公元111年
公元前 376494
BD 114231
;
运行;
Proc freq data = Bob;
重量wt;
表 targ*status;
精确的费舍尔;
运行;
这里出了什么问题?
最佳答案
这很有趣。 SAS 通过枚举每个表的超几何概率,以精确方式计算 Fisher 精确检验 p 值,其中优势比至少一样大或更大支持备择假设。我可能有一种方法可以计算有多少个表,但知道它足够大以减慢 SAS 的速度就足够了。
R 不这样做。 R 使用蒙特卡洛方法,该方法在小样本量和大样本量下同样有效。
tab <- matrix(c(4083, 111, 376494, 114231), 2, 2)
pc <- proc.time()
fisher.test(tab)
proc.time()-pc
给我们
> tab <- matrix(c(4083, 111, 376494, 114231), 2, 2)
> pc <- proc.time()
> fisher.test(tab)
Fisher's Exact Test for Count Data
data: tab
p-value < 2.2e-16
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
9.240311 13.606906
sample estimates:
odds ratio
11.16046
> proc.time()-pc
user system elapsed
0.08 0.00 0.08
>
不到一秒。
也就是说,聪明的统计学家会意识到,在像您这样的表格中,对数优势比的正常近似值相当不错,因此 PIL 逊卡方检验应该给出大约非常 类似的结果。
人们声称费舍尔精确检验有两个截然不同的优点:有人说它在小样本量下效果很好。其他人则表示,当表格特定边缘的单元格计数非常小时,这很好。我的理解是,当引导数据集有可能生成具有无限优势比的表时,费舍尔精确检验是卡方检验的一个很好的替代方案。从视觉上看,您可以想象对数优势比的正常近似值正在崩溃。
关于SAS Fisher 检验大样本量的 p 值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28253998/