オッズ比を用いるモチベーション#

2群間の比較を考える。
そのとき、喫煙の有無などでグループ分けをした人の追跡を行い、最終的に癌などの疾患に罹患したかどうかを調べるという方法を前向き研究というが、対象とする追跡期間内の発症がまれな疾患では、標本サイズを大きくする必要がある。

そこで症例対照研究では、まず疾病のある症例群とない対照群を選び、過去の喫煙などの曝露を調べる。単に過去の喫煙歴で分類することが症例対照研究の定義ではない。

そして重要なのが、同じ母集団の2×2表では、疾病を条件とした曝露オッズの比と、曝露を条件とした疾病オッズの比が同じ交差積比になることである。
癌研究のように事象の確率が小さいときは、$ \theta /(1-\theta )\approx\theta $と近似することができ、
両曝露群で疾病がまれなら、オッズ比は相対リスクに近似する。有害事象であること自体が近似の条件ではない。症例対照研究では、通常、標本内の疾病割合から母集団の発症リスクを直接推定できない。

独立な二つの二項標本について、2群の生起確率の差$ \hat{\delta}=\hat{\theta_{1}}-\hat{\theta_{2}} $の分散は二項分布の性質より、
$ V[\hat{\delta}]=\theta_{1}(1-\theta_{1})/n_{1}+\theta_{2}(1-\theta_{2})/n_{2} $となり、その平方根は$ \hat{\delta} $の標準誤差となる。

オッズ比の推定量は $$ OR=\frac{\frac{x_{1}}{n_{1}-x_{1}}}{\frac{x_{2}}{n_{2}-x_2}} $$
標本サイズが十分大きければ、標本オッズ比の対数の推定誤差は $$ \widehat{SE}[\log OR]=\sqrt{\frac{1}{x_{1}}+\frac{1}{n_{1}-x_{1}}+\frac{1}{x_2}+\frac{1}{n_{2}-x_{2}}} $$ と近似される。

2群の仮説検定#

ピアソンのカイ二乗検定#

2群の比率の等質性に対するピアソン検定及び尤度比検定では、帰無仮説を$ \theta_{1}=\theta_{2} $としたとき、
まずそれぞれの仮説をもとにした「当てはめ値」を求める。

当てはめ値は、 $$ m_{ij}=\frac{i行の合計\times j列の合計 }{合計} $$ 標本オッズ比は上のやつと同じ。 標本対数オッズ比の標準誤差の推定値も上式と同様に求められる。4セル全てが正で、漸近近似が妥当な場合の式である。

$$ \chi^{2}=\sum_{i}\sum_{j}\frac{(x_{ij}-m_{ij})^{2}}{m_{ij}} $$ こと$ 2\times 2 $分割表においては、 $$ \chi^{2}=\frac{(標本サイズの合計)(x_{11}x_{22}-x_{12}x_{21})^{2}}{各行の合計同士の掛け算\times 各列の合計同士の掛け算} $$ と求めることができる。 帰無仮説が正しい時、$ \chi^{2} $は漸近的に自由度1のカイ二乗分布に従う。

尤度比検定#

ここでは尤度比を$ \Lambda=L(\hat{\theta}_{full})/L(\hat{\theta}_0) $、つまりフルモデルの最大尤度を帰無モデルの最大尤度で割ったものと定義する。尤度比検定統計量$ \Lambda $は、尤度関数にそれぞれの仮説のもとでの母数の最尤推定量(難しいことを言っているが直観的な割合と結果は同じ)を代入したものの比をとることで得られる。
これは帰無仮説のもとで対数尤度比の2倍が漸近的にカイ二乗分布に従うことを利用して検定を行うものであり、
値$ G^{2}=2\log\Lambda $は逸脱度といわれる。自由度は$ \chi^{2} $の自由度に等しい。
実際に計算すると、 $$ G^{2}=2\log\Lambda=2\sum_{i}\sum_{j}x_{ij}\log\frac{x_{ij}}{m_{ij}} $$ というようにすれば求められる。$ x_{ij}=0 $の項は極限によって0とする。漸近カイ二乗近似には独立な観測などの前提があり、期待度数が小さい場合には精度に注意する。

$ \chi^{2}とG^{2} $のお気持ち?#

どちらも「当てはめ値」、つまり期待値との差、割合で現実との離れ具合を評価しているという点に着目すると、案外その実像が見えてくる。

フィッシャーの正確検定#

上記の2検定では、いずれも帰無仮説のもとでの標本サイズをでかくした際の漸近分布に基づいた評価をしているが、これに基づかない検定手法として、フィッシャーの正確検定がある。

2×2表の帰無仮説(オッズ比1)のもとで、両方の周辺度数を条件として固定し、超幾何分布による厳密な確率を使う。

この検定の根幹となる確率分布は超幾何分布で、確率関数は $$ P(X_{11}=x_{11})=\frac{各行各列の和の階乗どうしの積}{標本サイズの階乗}\times\frac{1}{x_{11}!x_{12}!x_{21}!x_{22}!},(x_{11},x_{12},x_{21},x_{22}\ge0) $$ となる。ここでは各行和・列和を固定しており、セル度数はそれらの周辺度数と整合する非負整数に限る。両側p値には複数の定義があるため、用いる規則を明記する。

様々な$ 2\times2 $分割表#

独立性の仮説#

例えば、ある学部の学生n人に対して、「ラーメンが好きか嫌いか」、「数学が好きか嫌いか」を調査して、2水準で調査した時、これは先ほど挙げた喫煙の習慣の調査と違い、所与であるのは調査対象の人数nだけである。

そのため、分割表の4マスのうち3つが決まれば残り一つも自動で決まるので、母数の次元は3となる。
そしてここで興味があるのは、「ラーメンの好き嫌い」と「数学の好き嫌い」が独立であるかどうかなので、仮説の表現は $$ H_{0}:\theta_{ij}=\theta_{i.}\theta_{.j},(\forall i,j) $$ となり、確率関数は $$ P(X_{ij}=x_{ij},i,j=1,2)=\frac{n!}{x_{11}!x_{12}!x_{21}!x_{22}!}\theta_{11}^{x_{11}}\theta_{12}^{x_{12}}\theta_{21}^{x_{21}}\theta_{22}^{x_{22}} $$ という多項分布の形になる。

主効果モデル#

独立性を仮定する対数線形モデルは$ \log m_{ij}=\mu+\alpha_i+\beta_j $と表せる。行効果と列効果のみを含み、行と列の交互作用を含まない。識別のために基準水準を固定するなどの制約を置く。