Zusammenfassung - Ein neuer Faktor zur Messung der Übereinstimmung zwischen kontinuierlichen Variablen

Ein neuer Faktor zur Messung der Übereinstimmung zwischen kontinuierlichen Variablen

2025-07-10 16:47:13

{"Ronny Vallejos","Felipe Osorio","Clemente Ferrer"}

{stat.ME,stat.AP}

Dieser Artikel stellt einen neuen Koeffizienten, ρ1, vor, um Übereinstimmung zwischen kontinuierlichen Variablen in klinischen Studien und räumlicher Analyse zu messen. Im Gegensatz zu bestehenden Koeffizienten basiert ρ1 auf L1-Abständen und ist daher robust gegen Ausreißer und nicht auf lästigen Parametern angewiesen. Der Koeffizient wird für bivariate normale und elliptisch geformte Verteilungen abgeleitet, was seine Vielseitigkeit zeigt. Im Falle normaler Verteilungen ist ρ1 mit Lins Koeffizienten verbunden und bietet eine nützliche Alternative. Der Artikel enthält theoretische Eigenschaften, ein Inferenzrahmen und numerische Experimente zur Validierung der Leistung von ρ1. Der neue Koeffizient ist ein wertvolles Werkzeug für Forscher, die Übereinstimmung zwischen kontinuierlichen Variablen in verschiedenen Bereichen einschließlich klinischer Studien und räumlicher Analyse bewerten. Die Studie betont die Bedeutung der Bewertung der Übereinstimmung zwischen zwei Instrumenten in klinischen Studien. Bestehende Methoden wie der Pearson-Korrelationskoeffizient, der Paartest und der Varianzkoeffizient sind in ihrer Fähigkeit beschränkt, Übereinstimmung zwischen zwei Messgruppen zu bewerten. Der Artikel schlägt einen neuen robusten Schätzer des Konkordanzkorrektionskoeffizienten (CCC) auf Basis von L1-Abständen vor, der weniger an Ausreißern sensibel ist als traditionelle Methoden. Dieser neue Koeffizient, ρ1, wird für bivariate normale und elliptisch geformte Verteilungen abgeleitet und kann daher in einer breiten Palette von Szenarien angewendet werden. Der Artikel diskutiert auch die theoretischen Eigenschaften von ρ1, einschließlich seines Verhältnisses zu Lins Koeffizienten und seiner asymptotischen Normalität unter bestimmten Bedingungen. Er bietet einen Rahmen für die Inferenz mit ρ1, einschließlich Konfidenzintervallen und Hypothesentests. Numerische Experimente werden durchgeführt, um die Leistung von ρ1 in verschiedenen Szenarien einschließlich normaler, Laplace und Cauchy-Verteilungen mit und ohne Ausreißer zu bewerten. Die Studie kommt zu dem Schluss, dass ρ1 ein wertvolles Werkzeug für Forscher ist, die Übereinstimmung zwischen kontinuierlichen Variablen bewerten. Er ist robust gegen Ausreißer und kann auf eine breite Palette von Verteilungen angewendet werden. Der Artikel bietet eine umfassende Analyse des neuen Koeffizienten und zeigt seine Effektivität in verschiedenen Szenarien und seine Vorteile gegenüber bestehenden Methoden.