中位数差值及置信区间的两种非参数计算方法及比较

目的:介绍了两种计算中位数差值及置信区间的非参数方法——Hodges-Lehmann法与Bootstrap法,采用三种不同分布数据实例比较分析两种方法间的差异,对差异产生原因进行了分析。方法:用计算机模拟的方法生成正态、对数正态和双峰分布数据各两个,用两种非参数方法计算每种分布的中位数差值及其置信区间。该模拟过程重复500次。结果:当数据符合正态分布时两种方法的结果相近,且与用均值取代中位数的参数法接近。当数据为对数正态分布时Boot-strap法的估计值及置信区间比Hodges-Leh-mann法偏大,当数据为对称分布时两种方法计算的估计值结果相近,置信区间略有差异。结论:对称分布的数据两种方法的估计值基本一致。非对称情况下Bootstrap法更注重中位数的位置,而Hodges-Lehmann法更多体现了数据的值的差异。

Bootstrap法与H-L法中位数差值区间检验在非劣效试验中的模拟比较研究

目的比较Bootstrap法和Hodges-Lehmann法(H-L法)在中位数差值非劣效性检验中的特点,为相关研究中统计学方法的选择提供依据。方法以某临床试验中试验组与对照组咽痛消失时间的比较为基础,通过计算机模拟生成单组样本量分别为20、30、50、100、200各500个两独立样本,分别服从参数为90h(试验组)、100 h(对照组)的Poisson分布。针对每个样本采用基于正态近似和百分位数的Bootstrap法、H-L法求得中位数差值的置信区间,并通过置信区间下限与非劣性界值进行比较,得出三种方法的检验效能。结果三种方法均随着样本量增加,检验效能增加。在样本量为20时,H-L法与正态近似法检验效能相当(25%vs.24%),且都高于百分位数法(19%)。在样本量为30、50、100时,H-L法检验效能高于正态近似法与百分位数法,且正态近似法高于百分位数法。在样本量为200时,三种方法的检验效能相当,均在95%以上。结论整体来看,H-L法获得的区间最窄且最稳定,检验效能最高,尤其在样本量不大时建议选择H-L法。