Poisson分布下基于鞍点逼近的风险差置信区间构造

摘要

在流行病研究中,风险差反映了特定人群中某种暴露因素发展成为特定疾病的风险大小.因此,它的置信区间的构造对于流行病危险因素的推断具有重要的医学意义.然而,传统估计方法在小样本情况下表现不佳.对一些发病周期长、发病率低的疾病,Poisson抽样要比已有的逆抽样等更符合事实.在Poisson采样下利用似然比、得分检验和鞍点逼近方法构造置信区间,通过Monte Carlo模拟和实例对三种区间构造方法进行评价.模拟结果表明：鞍点逼近方法在区间长度和覆盖率上都表现最佳,尤其是在小样本量条件下估计效果较好.