南方醫(yī)科大學(xué)公共衛(wèi)生與熱帶醫(yī)學(xué)學(xué)院生物統(tǒng)計(jì)系(510515) 何春拉 潘建紅 陳 靖 陳平雁

Cochran－Armitage趨勢(shì)檢驗(yàn)是一種用于分析1個(gè)二分類變量和1個(gè)有序分類變量關(guān)聯(lián)性的統(tǒng)計(jì)方法，由 Cochran和 Armitage創(chuàng)建和完善〔1－2〕。趨勢(shì)檢驗(yàn)中等級(jí)變量的賦值分為兩類，即等距賦值和非等距賦值，前者只有一種情況，后者則包括平均秩次(以下簡(jiǎn)稱均秩)賦值，極大極小效率穩(wěn)健檢驗(yàn)(maximin efficiency robust test，MERT)賦值〔3－4〕，基于生存分析的 poly－3和 poly－k 賦值方法〔5－6〕，以及根據(jù)分布或其他準(zhǔn)則確定的賦值方法。然而，由于等級(jí)變量賦值沒有統(tǒng)一標(biāo)準(zhǔn)而使得趨勢(shì)檢驗(yàn)方法在應(yīng)用中頗受爭(zhēng)議。Kendall、Staurt和Gross等質(zhì)疑趨勢(shì)檢驗(yàn)方法的科學(xué)性，并倡導(dǎo)采用秩和檢驗(yàn)處理有序分類數(shù)據(jù)〔7－9〕。Graubard和Korn則建議:(1)當(dāng)賦值和有序分組的實(shí)際分布情況一致時(shí)，趨勢(shì)檢驗(yàn)的結(jié)果和意義最大;(2)在缺乏有序分組數(shù)據(jù)的分布信息情況下，等距賦值是最佳選擇;(3)盡量避免采用均秩賦值〔10〕。鑒于上述情況，我們擬通過(guò)Monte Carlo模擬研究，比較等距、均秩以及基于等距與均秩賦值的MERT等三種賦值方法對(duì)趨勢(shì)檢驗(yàn)結(jié)果的影響，以期為應(yīng)用Cochran－Armitage趨勢(shì)檢驗(yàn)時(shí)如何賦值提供依據(jù)。

方 法

1.賦值方法

Cochran－Armitage趨勢(shì)檢驗(yàn)在計(jì)算上可分為校正和非校正兩種，在思想上分為正態(tài)近似和確切概率兩種。本研究以非校正正態(tài)近似Cochran－Armitage趨勢(shì)檢驗(yàn)為代表，檢驗(yàn)統(tǒng)計(jì)量的計(jì)算公式如下:

式中，N為兩組樣本量的合計(jì);R為病例組樣本量;ri為病例組第i個(gè)等級(jí)的例數(shù);ni為第i個(gè)等級(jí)兩組合計(jì)例數(shù);xi為第i個(gè)等級(jí)的賦值，不同的賦值方法得到的檢驗(yàn)結(jié)果顯然不同，這正是下面要深入探討的。

等距賦值方法 是指相鄰兩個(gè)等級(jí)賦值的差為一個(gè)不等于0的常數(shù)，即按照等級(jí)順序的賦值是個(gè)等差序列，表達(dá)為:xi－ xi－1=xi－1－ xi－2= … =x2－ x1=a(a是不等于0的常數(shù))。

均秩賦值方法 即按照每個(gè)等級(jí)的平均秩次進(jìn)行賦值，令xi為第i個(gè)等級(jí)的賦值，則

MERT方法 在統(tǒng)計(jì)學(xué)應(yīng)用中，有些數(shù)據(jù)的精確分布模型往往是未知的。在這種情況下，如果單純以檢驗(yàn)效能為評(píng)判標(biāo)準(zhǔn)，從一族(ξ:{fi:i:=1，…，I})候選模型中選取一個(gè)檢驗(yàn)效能最大但卻不符合數(shù)據(jù)具體分布模型的檢驗(yàn)統(tǒng)計(jì)量，那么這時(shí)會(huì)因忽略數(shù)據(jù)的具體分布形態(tài)而造成統(tǒng)計(jì)效率的損失。MERT方法可減少這種效率損失。MERT方法是一種穩(wěn)健的統(tǒng)計(jì)學(xué)方法，它基于極大極小效率的原理，先計(jì)算候選統(tǒng)計(jì)模型中各個(gè)模型檢驗(yàn)統(tǒng)計(jì)量Zi相對(duì)于其他模型檢驗(yàn)統(tǒng)計(jì)量Zj的漸進(jìn)相對(duì)效率)，然后從中選擇漸進(jìn)相對(duì)效率值最小的一對(duì)檢驗(yàn)統(tǒng)計(jì)量Z，Zi＞ =ρ12)計(jì)算 MERT 統(tǒng)計(jì)量。如果 ρ12大于零且滿足 MERT 條件(ρ1i+ ρ2i≥1+ ρ12(i∈I))，則 MERT統(tǒng)計(jì)量等于［2(1+ρ12)］1/2(Z1+Z2)，而 MERT的極大極小效率為(1+ρ12)/2。如果ρ12不滿足MERT條件，則計(jì)算上述得到的MERT統(tǒng)計(jì)量Z12與候選模型各個(gè)檢驗(yàn)統(tǒng)計(jì)量的漸進(jìn)相對(duì)效率，并找出漸進(jìn)相對(duì)效率值最小的檢驗(yàn)統(tǒng)計(jì)量 Z3，若滿足MERT條件，則MERT統(tǒng)計(jì)量為三個(gè)檢驗(yàn)統(tǒng)計(jì)量的線性組合若不滿足MERT條件，重復(fù)此步驟直至MERT條件滿足為止。

以上是針對(duì)I≥3的情況，當(dāng)數(shù)據(jù)只有I=2種候選統(tǒng)計(jì)模型時(shí)，MERT統(tǒng)計(jì)量計(jì)算相對(duì)簡(jiǎn)單。此時(shí)只需先計(jì)算出兩個(gè)檢驗(yàn)統(tǒng)計(jì)量的相對(duì)漸進(jìn)效率ρ212，再計(jì)算 MERT 統(tǒng)計(jì)量等于［2(1+ ρ12)］－1/2(Z1+Z2)〔3，4〕。

2.評(píng)價(jià)方法

比較三種方法的I類錯(cuò)誤率和檢驗(yàn)效能。

3.模擬方法

本研究用統(tǒng)計(jì)軟件 SAS9.2編程，采用 Monte Carlo方法模擬，用SAS9.2中的RANTBL過(guò)程產(chǎn)生離散隨機(jī)函數(shù)，即2×k有序分類數(shù)據(jù)，每種參數(shù)組合重復(fù)10000次〔11〕。參數(shù)設(shè)置上考慮兩個(gè)參數(shù)，即每個(gè)等級(jí)的樣本量(ni)和陽(yáng)性率(pi)，兩個(gè)參數(shù)的組合分別見I類錯(cuò)誤率比較的參數(shù)設(shè)置(表1)和檢驗(yàn)效能比較的參數(shù)設(shè)置(表2)。

表1 I類錯(cuò)誤率比較的參數(shù)設(shè)置

結(jié) 果

當(dāng)各有序分組的樣本量相同時(shí)，即當(dāng)n1=n2=…=ni時(shí)，等距﹑均秩和基于等距和均秩的MERT三種賦值方法趨勢(shì)檢驗(yàn)的結(jié)果相同。

當(dāng)各有序分組的樣本量不完全相等時(shí)，不同參數(shù)組合的I類錯(cuò)誤率以等距賦值最低，均秩賦值次之，MERT法最高(見圖1)。三種賦值方法的檢驗(yàn)效能非常接近，(見圖2)，當(dāng)每個(gè)等級(jí)的陽(yáng)性率較大時(shí)(P＞0.10)，三種賦值方法的檢驗(yàn)效能幾乎相等;當(dāng)有一個(gè)等級(jí)的陽(yáng)性率較小時(shí)(Pi=0.05)，如組合代碼為1，4，7，12，32 的參數(shù)組合(見表2)，等距賦值的檢驗(yàn)效能略低于均秩賦值和MERT法，此時(shí)的檢驗(yàn)效能普遍偏低。

圖1 三種賦值方法I類錯(cuò)誤率的比較

圖2 三種賦值方法檢驗(yàn)效能的比較

討 論

Cochran－Armitage趨勢(shì)檢驗(yàn)因賦值方法不同導(dǎo)致結(jié)果有異。Armitage，Chakraborti和Schaafsma等提倡采用等距賦值方法〔2，12〕。Graubard 和 Korn 認(rèn)為，當(dāng)賦值的分布與有序數(shù)據(jù)分布一致時(shí)趨勢(shì)檢驗(yàn)結(jié)果的效能最高〔10〕。Neuh?user也發(fā)現(xiàn)了這個(gè)規(guī)律〔13〕。但是，獲取有序資料的真實(shí)分布在現(xiàn)實(shí)中往往難以實(shí)現(xiàn)。此外，這種賦值方法也有其缺陷，一方面它的復(fù)雜過(guò)程可能給非統(tǒng)計(jì)專業(yè)研究人員的應(yīng)用帶來(lái)困難;另一方面它的開放性的特點(diǎn)可能導(dǎo)致濫用賦值以達(dá)到預(yù)期目的的情況出現(xiàn)。

本研究對(duì)Cochran－Armitage趨勢(shì)檢驗(yàn)中三種賦值方法，即等距賦值﹑均秩賦值和基于等距及均秩的MERT法賦值方法，通過(guò)計(jì)算機(jī)模擬進(jìn)行了比較，發(fā)現(xiàn)三種方法的檢驗(yàn)效能非常接近，但I(xiàn)類錯(cuò)誤率以等距賦值方法最低。在統(tǒng)計(jì)學(xué)中，當(dāng)幾種方法的檢驗(yàn)效能相當(dāng)?shù)那闆r下，I類錯(cuò)誤率越小越好。因此，根據(jù)本研究模擬結(jié)果及應(yīng)用的便利性，我們認(rèn)為有序分類數(shù)據(jù)的Cochran－Armitage趨勢(shì)檢驗(yàn)采用等距賦值更值得提倡。

1.Cochran WG.Some methods for strengthening the common tests.Biometrics，1954，10:417－451.

2.Armitage P.Tests for linear trends in proportions and frequencies.Biometrics，1955，11:375－386.

3.Gastwirth JL.The use of maximin efficiency robust tests in combining contingency tables and survival analysis.J.Amer.Statist，1985，80:380－384.

4.Podgor MJ，Gastwirth JL，Mehta CR.Efficiency robust tests of independence in contingency tables with ordered classifications.Stat Med，1996，15:2095－2105.

5.Bailer AJ，Portier CJ.Effects of treatment－induced mortality and tumorinduced mortality on tests for carcinogenicity in small samples.Biometrics，1988，44:417－431.

6.Bieler GS，Willians RL.Ratio Estimates，the Delta Method，and Quantal Response Tests for Increased Carcinogenicity.Biometrics，1993，49:793－801.

7.Kendall MG，Staurt A.The Advanced Theory of Statistics.London:Griffin，1979.

8.Gross ST.On asymptotic power and efficiency of tests of independence in contingency tables with ordered classifications.J Am Stat Assoc，1981，76:935－941.

9.Fleiss JL.Statistical Methods for Rates and Proportions.New York:Wiley，1981.

10.Graubar BI，Korn EL.Choice of column scores for testing independence in ordered 2 X K contingency tables.Biometrics，1987，43:471－476.

11.Van Ness PH，Holford TR，Dubin JA.Power simulation for categorical data using the RANTBL function.Pennsylvania，2005.

12.Chakraborti S，Schaafsma W.On the choice scores in contingency tables，1996，329－333.

13.Neuh?user M，Hothorn LA.An exact Cochran－Armitage test for trend when dose－response shapes are a priori unknown.Comput Stat Data An，1999，30:403－412.