双样本泊松率检验

双样本泊松率检验利用已知暴露量下独立事件的计数,比较两组之间的事件率。它用置信区间估计比率差,用正态近似进行检验;当假设差值为 0 时,还可进行精确二项检验。它假定事件以恒定速率独立发生。数据可以是汇总数据、两列或堆叠在一列。

最后审阅

核心要点

双样本泊松率检验比较两个组中事件发生的频率,如每单元的缺陷数或每班次的停机次数,用置信区间估计比率差,并进行精确检验或正态检验。

本页内容
  1. 用途
  2. 主要功能
  3. 统计方法
  4. 输入字段和选项
  5. 输出说明
  6. 计算示例

用途

双样本泊松率检验比较两个组中事件发生的比率,例如白班和夜班每班次的停机次数、两条生产线每单元的缺陷数,或变更前后每月的投诉数。它用置信区间估计两个比率之间的差,并检验该差是否不同于零或另一个假设差值。适用于已知暴露量下独立事件的计数;对于合格/不合格结果,请使用 2 Proportions 检验。

主要功能

  • 数据可以是汇总计数、两列计数,或一列计数加一列样本标识。
  • 当假设差值为 0 时,并列给出精确检验(条件二项)和正态近似。
  • 差值的方差可基于各自的比率或合并比率。
  • 双侧或单侧备择假设,并给出差值的置信区间或单侧界限。
  • 两个样本可设置不同的观测长度,例如 8 小时和 12 小时的班次。

统计方法

对于有 Nᵢ 个单元的样本 i,每个单元的观测长度为 tᵢ(Observation length),暴露量为 Tᵢ = Nᵢ·tᵢ,共有 Xᵢ 个事件,则比率为 λ̂ᵢ = Xᵢ / Tᵢ。估计的差值为 D = λ̂₁ − λ̂₂,即样本 1 减样本 2。对于两列或堆叠数据,Nᵢ 为样本中非空白计数的个数,Xᵢ 为其总和。

正态近似:z = (D − D₀) / SE,其中 D₀ 为假设差值。选择 Estimate the rates separately 时,SE = √(λ̂₁ / T₁ + λ̂₂ / T₂);选择 Use the pooled estimate of the rates 时,SE = √[λ̂ₚ(1 / T₁ + 1 / T₂)],其中 λ̂ₚ = (X₁ + X₂) / (T₁ + T₂)。当两个暴露量相等时,两种方法得到的 SE 相同。p 值取自标准正态分布,差值的置信区间为 D ± z·SE(或单侧界限)。

精确检验,仅在 D₀ = 0 时给出:如果两个比率相等,则总数 X₁ + X₂ 中的计数 X₁ 服从概率为 T₁ / (T₁ + T₂) 的二项分布。单侧 p 值为二项分布的尾部概率,双侧 p 值为较小尾部概率的两倍。当计数较小时,优先使用精确检验。两种方法都假定每组内事件以恒定速率独立发生。

输入字段和选项

字段

说明

Data

Summarized data(默认)、Each sample is in its own column 或 Both samples are in one column。

Sample 1 / Sample 2

选择 Each sample is in its own column 时:两列计数。

Samples / Sample IDs

选择 Both samples are in one column 时:计数所在的列,以及标明每行所属样本的列(恰好有两个不同的值;先出现的为样本 1)。

Sample 1 sample size / Sample 1 total occurrences / Sample 2 sample size / Sample 2 total occurrences

选择 Summarized data 时:每个样本的单元数和事件总数。

Hypothesized difference

默认 0。原假设下 λ₁ − λ₂ 的值;精确检验仅在值为 0 时给出。

Confidence level

默认 95;范围 75 至 100。

Alternative hypothesis

Difference ≠ hypothesized difference(默认)、Difference < hypothesized difference 或 Difference > hypothesized difference。

Test method

Estimate the rates separately(默认)或 Use the pooled estimate of the rates,用于正态近似。

Observation length (Sample 1) / Observation length (Sample 2)

默认 1。每个单元的暴露量;留空时样本 2 使用样本 1 的长度。

two-sample-poisson-rate-test-inputs


图 1 — 示例所用选项:Machine Stoppages 堆叠在一列,以 Shift 作为样本标识,双侧,分别估计比率。

输出说明

  • Method — 哪个样本为 λ₁、哪个为 λ₂,以及差值 λ₁ − λ₂。
  • Descriptive Statistics — 每个样本的 Sample、N、Total Occurrences 和 Sample Rate。
  • Estimation for Difference — Estimated Difference 及其置信区间(或上界、下界)。
  • Test — 原假设和备择假设,以及一张表,给出 Exact 和 Normal approximation 方法的 Z-Value 和 P-Value;使用合并估计时附有注释。
  • 通过 Download 导出 PDF。

two-sample-poisson-rate-test-output


图 2 — 白班平均 3.233 次停机,夜班平均 4.567 次;差值的 95% 置信区间 −2.333 至 −0.334,不包含 0(精确 p = 0.0106)。

计算示例

一名生产经理比较包装线白班和夜班的计划外设备停机次数,统计了 30 个工作日内每个班次的停机次数。Data = Both samples are in one column,Samples = Machine Stoppages,Sample IDs = Shift,Hypothesized difference = 0,Confidence level = 95,双侧,Test method = Estimate the rates separately,Observation length = 1(一个班次)。

白班在 30 个班次中有 97 次停机,比率为每班次 3.233 次;夜班在 30 个班次中有 137 次,为每班次 4.567 次。估计的差值(白班减夜班)为每班次 −1.333 次停机,95% 置信区间为 −2.333 至 −0.334:该区间不包含 0。精确检验得到 p = 0.0106,正态近似得到 z = −2.61,p = 0.0089。夜班的停机次数更多,约比白班多 40%。

由于两个样本都涵盖 30 个班次,Use the pooled estimate of the rates 在此得到相同的 z 和 p 值。如果经理在收集数据之前就预期夜班更差,则 Difference < hypothesized difference 得到 p = 0.0053(精确),差值的 95% 上界为 −0.495。下一步是找出夜班有何不同,例如人员配置、换型或物料,以免额外的停机造成更多的产出损失。

常见问题

何时应使用双样本泊松率检验?

用于比较两个组中事件发生的比率,适用于已知暴露量下独立事件的计数,例如白班和夜班每班次的停机次数、两条生产线每单元的缺陷数,或变更前后每月的投诉数。对于合格/不合格结果,请改用 2 Proportions 检验。

精确检验与正态近似有什么区别?

精确检验以总计数为条件:如果两个比率相等,则样本 1 中的计数服从二项分布,其概率等于其占总暴露量的份额。它仅在假设差值为 0 时给出,并在计数较小时优先使用。正态近似使用 z 统计量,标准误可为各自的或合并的。

双样本泊松率检验有哪些假设?

精确法和正态法都假定每组内事件以恒定速率独立发生。每个样本的比率为其事件总数除以其暴露量(单元数乘以观测长度),因此两个样本可以有不同的观测长度,例如 8 小时和 12 小时的班次。

如何解读双样本泊松率检验的结果?

输出给出每个样本的比率、估计的差值(样本 1 减样本 2)及其置信区间,以及精确法和正态法的 p 值。如果差值的置信区间不包含 0 且 p 值较小,则两个事件率存在差异。