1、研究背景:
　　 流行病學研究中，為了排除混雜因素對疾病與暴露之間關聯(lián)性的影響，常常需要將資料進行分層分析。當分組變量和結局變量均為二分類，混雜變量為K個水平時，觀察到的數(shù)據(jù)可以K×2×2表的形式展現(xiàn)。但是，在評估疾病與暴露因素之間是否有關聯(lián)以及在估計公共比數(shù)比(oddsratio，OR)之前，需要對各層之間的比數(shù)比進行一致性檢驗。
　　 關于K×2×2表資料的一致性檢驗，眾多學者提出了不同方法，根據(jù)現(xiàn)已公開發(fā)表的文獻可

2、以概括為11種。本研究按求解公共OR值的計算方法類型以及數(shù)據(jù)結構特點，將這11種一致性檢驗方法劃分為如下6大類:
　　 ①Mantel-Haenszel方法(簡稱M-H):基于Mantel和Haenszel(1959)求解公共OR值的方法，主要有Breslow-Day法和Breslow-Day-Tarone法兩種，后者是對前者方法的校正。
　　 ②Zelen精確概率方法(簡稱exact):不用先求解公共OR值，這種一致性

3、檢驗方法是在Fisher精確概率方法基礎上的一種拓展方法。
　　 ③近似非條件最大似然(AU，Asymptotic Unconditional)方法:基于近似非條件最大似然估計方法求解公共OR值，有Wald法、Score法及似然比檢驗法三種方法。
　　 ④加權最小二乘(WLS，Weighted Least Square)方法:基于加權最小二乘方法求解公共OR值的一致性檢驗方法。
　　 ⑤近似條件最大似然(AC，A

4、symptotic Conditional)方法:基于超幾何分布用近似條件最大似然估計方法求解公共OR值，有Zelen近似法和Score法兩種方法。
　　 ⑥稀疏數(shù)據(jù)(SD，sparsedata)檢驗方法:基于近似條件最大似然估計方法求解公共OR值，并且結合中心極限定理或混合線性模型理論，主要有Liang和Self(1985)提出的T4和T5兩種方法。
　　 在劃分為上述6類的基礎上，作者期望以此為切入點能夠從不同于前人

5、的角度對K×2×2表資料一致性檢驗方法進行更加獨特的模擬比較，以做出更為合理細致的解釋。
　　 研究目的:
　　 本研究旨在通過Monte Carlo方法，模擬比較不同一致性檢驗方法的檢驗效能1—β和I型錯誤α，以期望回答如下幾個問題:
　　 1.針對不同的數(shù)據(jù)類型，哪種檢驗方法更適合于稀疏數(shù)據(jù)，哪種方法對于非稀疏數(shù)據(jù)更值得采用?
　　 2.Zelen精確概率法優(yōu)劣性如何，是否比其他近似方法更為“精確”?

6、
　　 3.基于超幾何分布而求解得到公共OR值的檢驗方法是否比其他方法更值得提倡?
　　 4.廣泛應用于Meta分析異質性檢驗的WLS方法，在默認的檢驗水準0.05時，其檢驗效能以及I型錯誤與其他檢驗方法比較如何?
　　 5.Meta分析異質性檢驗時，我們常常將檢驗水準設置為0.10，因此當將檢驗水準設定為0.10時，這11種檢驗方法的檢驗效能及I型錯誤如何，模擬比較結果與檢驗水準為0.05時比較是否發(fā)生較大改變

7、?
　　 方法:
　　 模擬過程考慮4個參數(shù)，即第i層樣本量Ni、ORl值、對照組暴露概率π0i和層數(shù)K，每個參數(shù)分別取不同值以此構成多種參數(shù)組合，每種組合模擬運算1000次。借助SAS9.2(R)ranbin隨機數(shù)函數(shù)在給定種子數(shù)、樣本量Ni、對照組暴露概率π0i情況下產(chǎn)生第i層對照組暴露數(shù);病例組暴露概率由π1i=OR(l)π0i/ORiπ0i+(1-π0i)計算而得，同理可以產(chǎn)生第i層病例組暴露數(shù)。當進行I型錯誤α

8、比較時，各層間ORi值恒相等，先用隨機數(shù)函數(shù)rannor產(chǎn)生均數(shù)為logOR，方差為0的隨機數(shù)，然后再將logORi指數(shù)化;當進行檢驗效能1-β比較時，K層ORl值來自不同的總體，先用隨機數(shù)函數(shù)rannor產(chǎn)生均數(shù)為logOR，方差為1的隨機數(shù)，然后再將logORl指數(shù)化。不管是比較(I)型錯誤α還是檢驗效能1-β時，對照組暴露概率π0i由兩種方式產(chǎn)生，一種是為固定相等的常數(shù)，還有一種是由均勻分布產(chǎn)生。另外，鑒于一致性檢驗方法常用于Me

9、ta分析中，我們在進行Meta分析的效應量異質性檢驗時，檢驗水準常取0.10，因此本研究在進行模擬比較時，設定兩個檢驗水準，分別為0.05和0.10。
　　 結果:
　　 在控制I型錯誤方面:(1)針對不同的數(shù)據(jù)類型:近似非條件Wald法更適合于稀疏數(shù)據(jù);非稀疏數(shù)據(jù)類型，Breslow-Day法、Breslow-Day-Tarone法、近似非條件Score法以及近似非條件似然比檢驗法較為合適。(2)Zelen精確概率法過

10、于保守，并且隨著樣本量的增加以及層數(shù)逐漸增大時，精確概率法的運算量以及所需的運算時間也隨之迅速增加。(3)基于超幾何分布求解得到公共OR值的檢驗方法，在控制I型錯誤方面相對差于其他檢驗方法。(4)廣泛應用于Meta分析的WLS法，不管檢驗水準取值為0.05還是0.10時，與M-H以及AU方法相比均過于保守。(5)大多數(shù)情況下，檢驗水準設定為0.05和0.10時，這11種方法間的比較并不因為檢驗水準的不同而發(fā)生較大的改變。但是在某些特定情

11、形下，檢驗水準設定為0.10甚至稍顯更為合適。
　　 從檢驗效能方面來看:(1)這11種方法均不適用于稀疏數(shù)據(jù)情形，當樣本量較大層數(shù)也較大時，M-H方法、AU方法以及AC方法均較為合適。(2)Zelen精確概率法不值得提倡，其原因在于不僅檢驗效能低，而且需要的運算量、運算時間也較大。(3)基于超幾何分布求解得到公共OR值的檢驗方法，AC方法檢驗效能尚可，但是SD方法檢驗效能較差。(4)廣泛應用于Meta分析的WLS法，當樣本量以

12、及層數(shù)較大時值得采用。(5)當檢驗水準設定為0.10時，這11種檢驗方法的檢驗效能間的比較，較0.05時并未發(fā)生較大的改變。
　　 結論:
　　 (1)當樣本量較小時，尚且沒有合適的檢驗方法值得采用。
　　 (2)SD方法不提倡使用。
　　 (3)Zelen精確概率法過于保守，不推薦使用。
　　 (4)近似非條件Score法以及近似非條件似然比檢驗法最為合適，其次為M-H方法。
　　 (5

13、)M-H方法由于計算的便捷性，在樣本量進一步增大，層數(shù)進一步增加時，可以視為最佳的選擇。Breslow-Day-Tarone法比Breslow-Day法更為保守，所以相對來說，本文不建議對Breslow-Day法進行校正。
　　 (6)AU方法與AC方法相比，綜合I型錯誤以及檢驗效能來說，AU方法優(yōu)于AC方法。
　　 (7)WLS方法相對于M-H以及AU方法來說偏于保守，但是當樣本量很大時，由于其計算的便捷性，因此，被廣