標本平均発生率の差の漸近分布

公開日: 更新日:

【2022年10月4週】 【A000】生物統計学 【A051】コホート研究 【A071】標本分布

この記事をシェアする
  • B!
サムネイル画像

本稿では、平均発生率を指標とするコホート研究における標本平均発生率の差の漸近分布の導出を行っています。この漸近分布は、母集団における平均発生率の差の信頼区間を導出するうえでの基礎となります。

なお、閲覧にあたっては、以下の点にご注意ください。

  • スマートフォンやタブレット端末でご覧の際、数式が見切れている場合は、横にスクロールすることができます。
  • 曝露(発症)状況を表す右下の添え字は、「0」である場合($n_0,\pi_0$ など)や「2」である場合($n_2,\pi_2$ など)がありますが、どちらも「非曝露群(コントロール群)」を表しています。
  • 漸近的な性質を用いる際は、①中心極限定理が成り立つ、②漸近分散を推定する際に、母数をその一致推定量で置き換えることができるということが成り立つと仮定しています。

【定理】標本平均発生率の差の漸近分布

【定理】
標本平均発生率の差の漸近分布
Asymptotic Distribution of Sample Incidence Rate Difference

平均発生率を指標とするマッチングなしのコホート研究における平均発生率の差と標本平均発生率の差を \begin{gather} \delta=\mathrm{IRD}=\lambda_1-\lambda_0\\ \hat{\delta}=\mathrm{\widehat{IRD}}={\hat{\lambda}}_1-{\hat{\lambda}}_0 \end{gather} とするとき、 標本平均発生率の差の漸近分布は、 \begin{align} \hat{\delta}\xrightarrow[]{d}\mathrm{N} \left(\lambda_1-\lambda_0,\frac{\lambda_1}{T_1}+\frac{\lambda_0}{T_0}\right) \end{align} 漸近分散の一致推定量は、 \begin{align} {\hat{\sigma}}_1^2=\frac{d_1}{T_1^2}+\frac{d_0}{T_0^2} \end{align}

導出

導出

それぞれの標本平均発生率を以下のようにおくと、 \begin{align} {\hat{\lambda}}_1=\frac{d_1}{T_1} \quad {\hat{\lambda}}_0=\frac{d_0}{T_0} \end{align} ポアソン分布の正規近似により、各群の研究期間内のイベント発生数は漸近的に \begin{gather} d_i \sim \mathrm{N} \left(T_i\lambda_i,T_i\lambda_i\right)\\ i=0,1 \end{gather} 線形変換の性質より、 \begin{align} {\hat{\lambda}}_i \sim \mathrm{N} \left(\lambda_i,\frac{\lambda_i}{T_i}\right) \end{align} 母集団の平均発生率の差と標本平均発生率の差をそれぞれ \begin{gather} \delta=\lambda_1-\lambda_0\\ \hat{\delta}={\hat{\lambda}}_1-{\hat{\lambda}}_0 \end{gather} とおくと、 正規分布の再生性より、 \begin{gather} \hat{\delta} \sim \mathrm{N} \left(\lambda_1-\lambda_0,\frac{\lambda_1}{T_1}+\frac{\lambda_0}{T_0}\right) \end{gather} 母比率を一致推定量である標本平均発生率で置き換えると、漸近分散の一致推定量は、 \begin{align} {\hat{\sigma}}_1^2&=\frac{{\hat{\lambda}}_1}{T_1}+\frac{{\hat{\lambda}}_0}{T_0}\\ &=\frac{d_1}{T_1^2}+\frac{d_0}{T_0^2} \end{align}

なお、漸近分散については、 \begin{align} V \left(\hat{\delta}\right)&=\frac{\lambda_1}{T_1}+\frac{\lambda_0}{T_0}\\ &=\frac{\lambda_1^2}{T_1\lambda_1}+\frac{\lambda_0^2}{T_0\lambda_1} \end{align}

ここで、二重同次ポアソンモデルを仮定すると、 \begin{gather} E \left(d_i\middle|\lambda_i\right)=T_i\lambda_i \end{gather} が成り立つので、 \begin{align} V \left(\hat{\delta}\right)=\frac{\lambda_1^2}{E \left(d_1\middle|\lambda_1\right)}+\frac{\lambda_0^2}{E \left(d_0\middle|\lambda_0\right)} \end{align} すなわち、二重同次ポアソンモデルの下での期待イベント数の関数となる。 $\blacksquare$

参考文献

  • ケネス・ロスマン 著, 矢野 栄二, 橋本 英樹, 大脇 和浩 監訳. ロスマンの疫学. 篠原出版新社, 2013, p.236-237
  • 丹後 俊郎, 松井 茂之 編集. 医学統計学ハンドブック. 朝倉書店, 2018, p.508

関連記事

自己紹介

自分の写真

yama

大学時代に読書の面白さに気づいて以来、読書や勉強を通じて、興味をもったことや新しいことを学ぶことが生きる原動力。そんな人間が、その時々に学んだことを備忘録兼人生の軌跡として記録しているブログです。

このブログを検索

ブログ アーカイブ

QooQ