OR（赔率）的分布是什么？

我有一堆文章以95％CI（置信区间）显示“或”。

我想根据文章估算观察到的OR的P值。为此，我需要对OR分布进行假设。我可以安全地假设/使用哪种发行方式？

对数优势比具有正态渐近分布：

$\log(\hat{OR}) \sim N(\log(OR), \sigma_{\log(OR)}^2)$

与从列联表来估计。例如，请参阅注释的第6页：$\sigma$

• 参数模型的渐近理论

估计量 在O R周围具有渐近正态分布。但是，除非n很大，否则它们的分布会高度偏斜。当ø - [R = 1，例如，^ ö ř不能比小得多ø - [R （因为^ ö ř ≥ 0），但它可以是具有不可忽略的概率大的多。对数变换具有加法结构而不是乘法结构，可以更快地收敛到正态。估计方差为： Var [ ln ^ $\widehat{OR}$$OR$$n$$OR=1$$\widehat{OR}$$OR$$\widehat{OR}\ge0$ 的置信区间为LNø- [R ： LN（^ø- [R ）±Ž

$$\text{Var}[\ln\widehat{OR}]=\left(\frac{1}{n_{11}}\right)+\left(\frac{1}{n_{12}}\right)+\left(\frac{1}{n_{21}}\right)+\left(\frac{1}{n_{22}}\right).$$ $\ln OR$ 其端点的幂（取反对数）提供的置信区间ø- [R 。 $$\ln(\hat{OR})\pm z_{\frac{\alpha}{2}}\sigma_{\ln(OR)}$$ $OR$

阿格里斯蒂，艾伦。分类数据分析，第70页。

通常，在大样本量的情况下，所有估计量（或其某些适时函数）均具有正态分布，这被认为是合理的近似值。因此，如果只需要与给定置信区间相对应的p值，则可以按照以下步骤进行操作：

1. $OR$$(c1,c2)$$\ln(OR)$$(\ln(c1),\ln(c2))$
   $OR$$(0,+\infty)$$\ln(OR)$$(-\infty,+\infty)$

2. $$d(OR)=\frac{\ln(c2)-\ln(c1)}{z_{\alpha/2}*2}$$ $[\text{Pr}(Z>z_{\alpha/2})=\alpha/2; z_{0.05/2}=1.96]$

3. 计算与标准检验统计量相对应的p值$z=\frac{\ln(OR)}{sd(OR)}$

由于比值比不能为负，因此它在下端受到限制，但在上端没有受到限制，因此具有偏斜分布。