統計初心者のメモ
だいたいどのページにもオッズ比$\frac{ad}{bc}$の信頼区間の計算で、「対数オッズ比は正規近似できて、その分散は$\frac{1}{a}+\frac{1}{b}+\frac{1}{c}+\frac{1}{d}$で計算できる」としか書いていない。
どうしても納得いかなかったので、色々調べて解決した、、、つもり。
二項分布を仮定した方法
互いに独立な確率変数$X\sim Bin(n_1,p_1)$と、確率変数$Y\sim Bin(n_2,p_2)$を考える。
$X=x$と$Y=y$から作られる2x2表は、
| Group1 | Group2 | |
|---|---|---|
| $n_{11}=x$ | $n_{12}=n_1-x$ | $n_1$ |
| $n_{21}=y$ | $n_{22}=n_2-y$ | $n_2$ |
| と書ける。 |
$n_1,n_2$が十分大きい場合、
$Bin(n_1,p_1)\to N(p_1,\frac{p_1(1-p_1)}{n_1})$
$Bin(n_2,p_2)\to N(p_2,\frac{p_2(1-p_2)}{n_2})$
で近似される。
デルタ法
母数のパラメータ$\theta$について、
$\displaystyle \frac{\hat\theta-\theta}{\widehat{SE}_{\hat\theta}}\to N(0,1)$
$\displaystyle \frac{f(\hat\theta)-f(\theta)}{f^{\prime}(\theta)\widehat{SE}_{\hat\theta}}\to N(0,1)$
が近似される。
オッズ比の信頼区間の導出
- 解法1
パラメータ$\theta=p_1$、$\hat\theta=\hat{p_1}$とすると、
$\displaystyle \widehat{SE}_{\hat{p_1}}=\sqrt\frac{\hat{p_1}(1-\hat{p_1)}}{n_1}$
ここで、$f(x)=\log(x)$とすると$f^{\prime}(x)=\frac{1}{x}$
よって、
\begin{aligned}
\widehat{SE}\_{\log(\hat{p_1})}&= f^{\prime}(\hat\theta)\widehat{SE}\_{\hat\theta} \\
&= \frac{1}{\hat{p_1}}\sqrt\frac{\hat{p_1}(1-\hat{p_1})}{n_1}\\
&=\sqrt\frac{(1-\hat{p_1})}{\hat{p_1}n_1} \\
\end{aligned}
\begin{aligned}
Var(\log(\hat{p_1}))=\frac{1-\hat{p_1}}{\hat{p_1}n_1}
\end{aligned}
$\mathrm{Odds\ ratio}=OR$は、
$\widehat{OR}=\displaystyle \frac{\hat{p_1}(1-\hat{p_2})}{(1-\hat{p_1})\hat{p_2}}$
対数をとって、
\begin{aligned}
\log(\widehat{OR})&=\log\Bigl( \displaystyle \frac{\hat{p_1}(1-\hat{p_2})}{(1-\hat{p_1})\hat{p_2}}\Bigl) \\
&=\log\left(\frac{\hat{p_1}}{1-\hat{p_1}}\right)-\log\left(\frac{\hat{p_2}}{1-\hat{p_2}}\right)
\end{aligned}
よって、
\begin{aligned}
Var(\log(\widehat{OR}))&=Var(\log(\hat{p_1})-\log(1-\hat{p_1}))-(\log(\hat{p_2})-\log(1-\hat{p_2})) \\
& \ \ \ \ \text{(独立を仮定しているので)} \\
&=Var(\log(\hat{p_1}))+Var(\log(1-\hat{p_1}))+Var(\log(\hat{p_2}))+Var(\log(1-\hat{p_2})) \\
& \approx \frac{1-\hat{p_1}}{\hat{p_1}n_1}+\frac{\hat{p_1}}{(1-\hat{p_1})n_1}+\frac{1-\hat{p_2}}{\hat{p_2}n_2}+\frac{\hat{p_2}}{(1-\hat{p_2})n_2} \\
&=\frac{1}{\hat{p_1}n_1}+\frac{1}{n_1}+\frac{1}{\hat{p_2}n_2}+\frac{1}{n_2}+\frac{\hat{p_2}}{(1-\hat{p_2})n_2}+\frac{\hat{p_1}}{(1-\hat{p_1})n_1} \\
&=\frac{1}{\hat{p_1}n_1}+\frac{1}{\hat{p_2}n_2}+\frac{1}{(1-\hat{p_1})n_1}+\frac{1}{(1-\hat{p_2})n_2} \\
&=\frac{1}{n_{11}}+\frac{1}{n_{12}}+\frac{1}{n_{21}}+\frac{1}{n_{22}}
\end{aligned}
\begin{aligned}
\widehat{SE}_{\widehat{OR}}=\sqrt{\frac{1}{n_{11}}+\frac{1}{n_{12}}+\frac{1}{n_{21}}+\frac{1}{n_{22}}}
\end{aligned}
- 解法2
$\displaystyle \hat{\omega_1}=\frac{\hat{p_1}}{1-\hat{p_1}}, \hat{\omega_2}=\frac{\hat{p_2}}{1-\hat{p_2}}$とすると、
\begin{aligned}
\frac{\partial}{\partial p}\log(\hat{\omega_1})&=\frac{\partial}{\partial\omega}\log(\hat{\omega_1})\cdot\frac{\partial\omega}{\partial p}\\
&=\frac{1}{\hat{\omega_1}}\cdot\frac{\partial}{\partial p}\frac{\hat{p_1}}{1-\hat{p_1}}\\
&=\frac{1-\hat{p_1}}{\hat{p_1}}\cdot\frac{1}{(1-\hat{p_1})^2}\\
&=\frac{1}{\hat{p_1}(1-\hat{p_1})}
\end{aligned}
デルタ法より、
\begin{aligned}
Var(\log(\hat{\omega_1}))&\approx \left\{f'(\log(\hat{\omega_1}))\right\}^2\cdot Var(\hat{p_1})\\
&=\left(\frac{1}{\hat{p_1}(1-\hat{p_1})})\right)^2\cdot \frac{\hat{p_1}(1-\hat{p_1})}{n_1}\\
&=\frac{1}{n_1\hat{p_1}(1-\hat{p_1})}
\end{aligned}
$\hat{\omega_2}$についても同様に、
Var(\log(\hat{\omega_2}))=\frac{1}{n_2\hat{p_2}(1-\hat{p_2})}
$\widehat{OR}=\displaystyle \frac{\hat{\omega_1}}{\hat{\omega_2}}$なので、
\begin{aligned}
\log(\widehat{OR})&=\log\left( \displaystyle \frac{\hat{\omega_1}}{\hat{\omega_2}}\right) \\
Var(\log(\widehat{OR}))&=Var\left(\log\left( \displaystyle \frac{\hat{\omega_1}}{\hat{\omega_2}}\right)\right)\\
&=Var(\log(\hat{\omega_1}))+Var(\log(\hat{\omega_2}))\\
&=\frac{1}{n_1\hat{p_1}(1-\hat{p_1})}+\frac{1}{n_2\hat{p_2}(1-\hat{p_2})}\\
&=\frac{1}{n_1\hat{p_1}}+\frac{1}{n_1(1-\hat{p_1})}+\frac{1}{n_2\hat{p_2}}+\frac{1}{n_2(1-\hat{p_2})} \\
&=\frac{1}{n_{11}}+\frac{1}{n_{12}}+\frac{1}{n_{21}}+\frac{1}{n_{22}}
\end{aligned}
多項分布を仮定した方法
確率変数$\mathbb{X}=(X_1,...,X_k)^\mathrm{T}$はサンプル数$n$と確率$p_i($全ての$p_i$について$p_1\geq0$となり、かつ$\sum_{i=1}^k{p_i}=1$が成り立つ）の多項分布に従うとする。
この時、
$E[X_i]=np_i, \ V[X_i]=np_i(1-p_i), \ Cov(X_i,X_j)=-np_ip_j(i\neq j)$
$Y_i=\displaystyle \frac{(X_i-np_i)}{\sqrt{np_i}}$とすると、
$E[Y_i]=0, \ V[Y_i]=1-p_i, \ Cov(Y_i,Y_j)=-\sqrt{p_ip_j}(i\neq j)$
ここで、$k=4$の場合を考える。
確率変数$X_1,X_2,X_3,X_4$が確率$p=(p_{11},\ p_{12},\ p_{21},\ p_{22})$の多項分布に従うとすると、
観測値$n=(n_{11},\ n_{12},\ n_{21},\ n_{22})$
2x2表は、
| Group1 | Group2 |
|---|---|
| $n_{11}(n*p_{11})$ | $n_{12}(n*p_{12})$ |
| $n_{21}(n*p_{21})$ | $n_{22}(n*p_{22})$ |
と書ける。
$OR=\displaystyle \frac{p_{11}p_{22}}{p_{12}p_{21}}$
オッズ比の最尤推定量$\widehat{OR}=\displaystyle \frac{n_{11}n_{22}}{n_{12}n_{21}}$
表記を単純化するため、$(O_{11},\ O_{12},\ O_{21},\ O_{22})=(O_1,\ O_2,\ O_3,\ O_4)$とすると、
$OR=\displaystyle \frac{p_1p_4}{p_2p_3},\ \widehat{OR}=\frac{n_1n_4}{n_2n_3}$
となる。
$Z_i=\displaystyle \frac{(n_i-np_i)}{\sqrt{n}} \Leftrightarrow Z_i=\sqrt{p_i}Y_i \ \ (i=1,2,3,4)$
$n$が大きい時、$Z_i \sim N(0,p_i(1-p_i))$
$n_i=np_i+\sqrt{n}Z_i \Rightarrow \displaystyle \frac{n_i}{n}=p_i\left(1+\frac{Z_i}{p_i\sqrt{n}}\right)$
ここで、$x \to 0$の場合、テイラー展開より$\log(1+x) \sim x$と近似できるため、
\begin{aligned}
\displaystyle \log(\frac{n_i}{n})&=\log(p_i)+\log\left(1+\frac{Z_i}{p_i\sqrt{n}}\right) \\
&=\log(p_i)+\frac{Z_i}{p_i\sqrt{n}}+\varepsilon_i\ \ (\varepsilon_i=O_p(1/n),\ n \to \infty) \\
\end{aligned}
$\widehat{OR}$の$n_i$を$\frac{n_i}{n}$で書き換えると、
\begin{aligned}
\displaystyle \log(\widehat{OR})&=\log\left(\frac{\frac{n_1}{n}\frac{n_4}{n}}{\frac{n_2}{n}\frac{n_3}{n}}\right) \\
&=\log(p_1)+\log(p_4)-\log(p_2)-\log(p_3) \\ &\ \ \ +\frac{Z_1}{p_1\sqrt{n}}+\frac{Z_4}{p_4\sqrt{n}}-\frac{Z_2}{p_2\sqrt{n}}-\frac{Z_3}{p_3\sqrt{n}}+\varepsilon \\
&=\log(OR)+\frac{1}{\sqrt{n}}\left(\frac{Z_1}{p_1}+\frac{Z_4}{p_4}-\frac{Z_2}{p_2}-\frac{Z_3}{p_3}\right)+\varepsilon\ \ (\varepsilon=O_p(1/n) )\\
\end{aligned}
ここで、デルタ法より$\log(\widehat{OR})$は平均$\log(OR)$の正規分布に近似できる。
$\log(OR)$を左辺に移項すると、
\begin{aligned}
\displaystyle \log(\widehat{OR})-\log(OR)&=\frac{1}{\sqrt{n}}\left(\frac{Z_1}{p_1}+\frac{Z_4}{p_4}-\frac{Z_2}{p_2}-\frac{Z_3}{p_3}\right)+\varepsilon \\
&\approx N\left(0,\left(\frac{d}{dOR}\log(OR)\right)^2V\left(\log(\widehat{OR})\right)\right)
\end{aligned}
帰無仮説の仮定の元で、$OR=1 \Rightarrow \frac{d}{dOR}\log(OR))=1$となり、
\begin{aligned}
\displaystyle \log(\widehat{OR})-\log(OR)\approx N\left(0,V\left(\log(\widehat{OR})\right)\right)
\end{aligned}
また、$n$が大きい時$\varepsilon \to 0$となるため、
\begin{aligned}
\displaystyle \log(\widehat{OR})-\log(OR)&=\frac{1}{\sqrt{n}}\left(\frac{Z_1}{p_1}+\frac{Z_4}{p_4}-\frac{Z_2}{p_2}-\frac{Z_3}{p_3}\right)
\end{aligned}
ここで、両辺の分散を考えると、
\begin{aligned}
\displaystyle V\left(\log(\widehat{OR})-\log(OR)\right)&=V\left(\log(\widehat{OR})\right) \\
&=V\left(\frac{1}{\sqrt{n}}\left(\frac{Z_1}{p_1}+\frac{Z_4}{p_4}-\frac{Z_2}{p_2}-\frac{Z_3}{p_3}\right)\right) \\
&=\sum_{i=1}^4{V\left(\frac{Y_i}{\sqrt{np_i}}\right)}+\frac{1}{n}Cov \\
&=\sum_{i=1}^4{\frac{1-p_i}{np_i}}+\frac{1}{n}Cov\ \ (\because V(Y_i)=1-p_i) \\
&=\frac{1}{n}\left(-4+\sum_{i=1}^4{\frac{1}{p_i}}\right)+\frac{1}{n}Cov
\end{aligned}
ここで、$Cov(Z_i,Z_j)=-p_ip_j \Rightarrow Cov(\frac{Z_i}{p_i},\frac{Z_j}{p_j})=-1\ \ (i \neq j)$
4つの変数の共分散の組み合わせは$_4C_2=6$、そのうち正の値をとる組み合わせは$(1,4),(2,3)$のみ。よって、$Cov=2(2-4)(-1)=4$となり、第1項と第2項の$4/n$が相殺されるため、
\begin{aligned}
\displaystyle V(\log(\widehat{OR}))&=\frac{1}{n}\left(\sum_{i=1}^4{\frac{1}{p_i}}\right) \\
&=\sum_{i=1}^4{\frac{1}{n_i}}
\end{aligned}