引用统计检验两个比值比之间的差异？

@gung 在这里发表评论，写道：

我相信它们可以重叠一点（也许〜25％），并且在5％的水平上仍然很重要。请记住，您看到的95％CI是针对单个OR，但是对2个OR的测试是关于它们之间的差异。但是，如果它们根本不重叠，那么它们肯定会明显不同；如果95％CI与其他OR点估计值重叠，则它们肯定不会重叠。

有没有人引用上述声明？审稿人要我计算两个比值比是否显着不同。

从你的两个回归模型，你应该有参数估计值和β 12（其中第二标指模型），以及它们的标准误差。请注意，这些值在对数赔率的范围内，并且更好，即无需将它们转换为几率。如果你的$\hat\beta_{11}$$\hat\beta_{12}$$N$s就足够了，这些将以正态分布，如@ssdecontrol所解释。例如，逻辑回归输出标准的Wald检验假定它们是正态分布的。此外，由于它们来自具有不同数据的不同模型，因此我们可以将它们视为独立的。如果要测试它们是否相等，这只是测试正态分布参数估计值的线性组合，这是很标准的事情。可以按如下方式计算出的检验统计量：
所得ž统计可以与一个标准的正态分布来计算p-值。

关于置信区间的引用本质上有点启发（即使正确）。您不应该尝试使用它来计算重要性。

赔率是渐近高斯的。

因此，只要它们是独立的，它们的差也是渐近高斯的，因为独立高斯rvs的线性组合本身就是高斯。

这些都是众所周知的，不需要引用。但是仅仅为了保证，这两个链接都是基于“权威”资源的。