Le but de ces enquêtes était d'estimer la prévalence avec une précision utile. Cela signifie que vous ne serez pas avoir une conception optimale pour comparer deux proportions (par exemple en termes de puissance statistique). Cela ne signifie pas que vous ne pouvez pas le faire. L'approche la plus simple est de regarder pour la CEI ne se chevauchent pas. Si les deux IC ne se chevauchent pas alors ceci est une preuve contre l'hypothèse nulle que les prévalences sont les mêmes. Avec un peu d'arithmétique cette méthode peut être étendue à faire des choses comme estimer la différence entre deux prévalences ou d'effectuer un test d'hypothèse. Kevin Sullivan a fait cela dans ce cette calculatrice en ligne.

J'espère que cela aide.

De Bradley Woodruff:

Tout d'abord, la méthode d'échantillonnage influence seulement la précision. Si fait correctement, la méthode d'échantillonnage ne change pas l'estimation ponctuelle réelle. Par exemple, disons que vous faites un sondage auprès de l'état nutritionnel chez les enfants d'âge préscolaire dans une population en utilisant l'échantillonnage en grappes de ménages, et que vous incluez tous les enfants admissibles dans les ménages sélectionnés. Dans une autre enquête de la même population, vous utilisez un échantillonnage aléatoire simple des enfants admissibles. Si la prévalence de certains résultats de la nutrition, par exemple, le gaspillage, n'a pas changé entre les deux enquêtes, les enquêtes 2 devraient produire des estimations similaires de la prévalence. La seule chose différente entre les résultats sera la précision obtenue. Si la prévalence de l'émaciation obtenu par les enquêtes 2 était de 10%, la première enquête pourrait avoir 95 intervalles de confiance% de 6% et 14%, tandis que la seconde enquête pourrait avoir des intervalles de confiance à 95% de 8% et 12%. Ceci est parce que l'échantillonnage en grappes se traduit généralement par une perte de précision. Mais si votre échantillonnage est biaisée, les estimations ponctuelles devraient être similaires.

La meilleure façon de comparer les résultats des enquêtes est de mettre les données provenant des deux enquêtes en une seule série de données. Assurez-vous que chaque enfant est identifié par un numéro de cluster (en cas de non-échantillonnage en grappes, chaque enfant aura sa / son propre numéro de la grappe parce que la taille de cluster est 1). Également attribuer à chaque enfant un peu de code pour identifier si l'enfant est de l'enquête n ° 1 ou n ° 2 enquête. Puis faire des tableaux croisés de numéro d'enquête par résultat de la nutrition. L'ordinateur, si vous utilisez un programme informatique approprié qui peut représenter un échantillonnage en grappes, devrait vous donner une valeur p pour la différence entre les résultats des enquêtes 2.

Bien sûr, souvent, vous ne disposez pas des données brutes à mettre dans le même ensemble de données. Dans ce cas, de nombreux programmes vous permettront d'entrer pour les enquêtes 2 les estimations de la prévalence avec un peu de mesure de précision pour chaque enquête, comme les intervalles de confiance ou erreur standard. Le programme va alors calculer une valeur p ou une autre mesure de la signification statistique de la différence entre les 2 enquêtes. Ne vous contentez pas de comparer les intervalles de confiance des enquêtes 2. Ceci est une erreur très commune. Chevauchement des intervalles de confiance des enquêtes 2 ne signifie pas que la différence est statistiquement non significatif. Cependant, le manque de chevauchement ne signifie pas que la différence est statistiquement significative. Si vous excluez la signification statistique, car les intervalles de confiance se chevauchent, vous sous-estimez la précision de votre comparaison. La raison statistique pour cela est que dans le calcul de la valeur de p pour la différence entre 2 résultats de l'enquête, vous devez utiliser l'estimation globale pondérée des écarts pour les enquêtes 2 parce que sous l'hypothèse nulle qu'il n'y a pas de différence réelle entre les enquêtes, vous supposez que les écarts pour les enquêtes 2 est le même. Néanmoins, comme un écran rapide, vous pouvez comparer les intervalles de confiance, mais vous devez garder à l'esprit que, si elles ne se chevauchent, alors vous pouvez faire aucune conclusion à propos de la signification statistique de la différence et vous devez calculer la valeur spécifique de p pour cette différence , soit à la main ou en utilisant un programme informatique.

Woody est correcte. L'approche simple de la recherche d'une absence de chevauchement des deux IC est une (faible puissance) essai conservatrice. Cela signifie qu'il a tendance à ne pas rejeter l'hypothèse nulle lorsque les différences ne sont pas très grand. Le lien que je envoyé ci-dessus prend l'approche (plus correct) décrit par Woody (ci-dessus).

Kevin,

Juste vérifier sur les messages précédents et de constater que ce lien:

http://www.sph.emory.edu/~cdckms/compare%202%20proportions.htm

semble être mort.

Y at-il un nouveau lien?

Marque

De Kevin:

Salut marqueurs notre groupe informatique a changé l'adresse - la nouvelle adresse est:
Web1.sph.emory.edu/cdckms

Juste fixant le lien vers la calculatrice de Kevin. Il est maintenant ici.

PhJnMB http://www.LnAJ7K8QSpfMO2wQ8gO.com

Chers tous

Maintenant, je dois répondre à un commentaire d'un critique à propos du changement de la prévalence de l'enquête estimée entre deux ans. J'ai cité le lien sur ce post. Le calculateur Web ne fonctionne plus. Quelqu'un peut-il m'aider à fournir le lien qui fonctionne.

Merci d'avance

Chanadrshekhar Sreeramareddy

Bonjour,

J'ai contacté Kevin Sullivan. Il n'est, je pense, plus chez Emory et ne peut pas fournir de lien de travail. Il m'a envoyé un fichier Excel qui fait les calculs nécessaires. Je l'ai mis ici .

Cher Modérateur,

Merci beaucoup de m'avoir aidé à obtenir la feuille Excel. Cela est très utile.

Salutations

Chandrashekhar

Goob. Je suis heureux d'avoir Neem pour m'aider.

BTW ... J'avais l'habitude d'être un modérateur ici, mais je ne suis qu'un membre dorénavent.