OR计算方法

⑴ 一道关于预防医学的OR值计算的问题，希望大神给出具体解释和答案！

我的计算方法，可知还有20对是病例组无A，对照组有A，四格表如下

A 无A
病例组 50+50 55+20
对照组 50+20 55+50

OR应该为 （100X105）/（75X70）=2
但是不知道为没这个答案，难道我算错了？请大家指出错处

⑵ Python 里 and、or 的计算规则是怎样的

如下：

第一种情况，只有一个运算符：(在不加括号的时候，and优先级大于or)。

1、and：从左到右，若所有值均为真，则返回后一个值，有一个假的值，则返回第一个假的值。

2、or：从左到右，返回第一个为真的值，都为假返回后一个值。

例如：

x or y的值只可能是x或y，x为真就是x，x为假就是y。

x and y的值只可能是x或y，x为真就是y，x为假就是x 。

第二种情况，多个运算符：

1、表达式从左至右运算，若 or 的左侧逻辑值为 True ，直接输出 or 左侧表达式 。

2、表达式从左至右运算，若 and 的左侧逻辑值为 False ，则忽略后面表达式，直到有 or 出现，输出 and 左侧表达式到 or 的左侧，参与接下来的逻辑运算。

Python语言特点：

1、简单：Python是一种代表简单主义思想的语言。阅读一个良好的Python程序就感觉像是在读英语一样。它使你能够专注于解决问题而不是去搞明白语言本身。

2、易学：Python极其容易上手，因为Python有极其简单的说明文档。

3、易读、易维护：风格清晰划一、强制缩进。

4、速度快：Python 的底层是用 C 语言写的，很多标准库和第三方库也都是用 C 写的，运行速度非常快。

⑶ OR 函数的如何使用

函数可以简化和缩短工作表中的公式，尤其在用公式执行很长或复杂的计算时。）的公式语法和用法。 说明在其参数组中，任何一个参数逻辑值为 TRUE，即返回 TRUE；任何一个参数的逻辑值为 FALSE，即返回 FALSE。 语法OR(logical1, [logical2], ...)OR 函数语法具有下列参数 （参数:为操作、事件、方法、属性、函数或过程提供信息的值。）： Logical1, logical2, ... Logical1 是必需的，后继的逻辑值是可选的。这些是 1 到 255 个需要进行测试的条件，测试结果可以为 TRUE 或 FALSE。 说明参数必须能计算为逻辑值，如 TRUE 或 FALSE，或者为包含逻辑值的数组 （数组:用于建立可生成多个结果或可对在行和列中排列的一组参数进行运算的单个公式。数组区域共用一个公式；数组常量是用作参数的一组常量。）或引用。 如果数组或引用参数中包含文本或空白单元格，则这些值将被忽略。 如果指定的区域中不包含逻辑值，函数 OR 返回错误值 #VALUE!。 可以使用 OR 数组公式来检验数组中是否包含特定的数值。要输入数组公式，请按 Ctrl+Shift+Enter。 示例如果将示例复制到一个空白工作表中，可能会更容易理解该示例。 选择本文中的示例。 要点 不要选择行或列标题。 从“帮助”中选择示例 按 Ctrl+C。 在 Excel 中，创建一个空白工作簿或工作表。 在工作表中，选择单元格 A1，然后按 Ctrl+V。 要点 若要使该示例能够正常工作，必须将其粘贴到工作表的单元格 A1 中。 要在查看结果和查看返回结果的公式之间进行切换，请按 Ctrl+`（重音符），或在“公式”选项卡上的“公式审核”组中，单击“显示公式”按钮。 将示例复制到一个空白工作表中后，可以按照您的需要改编示例。1234A B公式 说明（结果） =OR(TRUE) 参数为 TRUE (TRUE) =OR(1+1=1,2+2=5) 所有参数的逻辑值为 FALSE (FALSE) =OR(TRUE,FALSE,TRUE) 至少一个参数为 TRUE (TRUE)

⑷ SPSS详细教程 OR值的计算

SPSS详细教程：OR值的计算
一、问题与数据
研究者想要探索人群中不同性别者喜欢竞技类或娱乐性体育活动是否有差异。研究者从学习运动医学的学生中随机招募50名学生，记录性别并询问他们喜欢竞技类还是娱乐性活动，通过计算比值比来探索这一差异。
性别变量为gender，男性赋值为1，女性赋值为2；喜欢竞技类运动的变量为comp，是赋值为1，否（即喜欢休闲类运动）赋值为2。部分数据如下图显示，左图为原始数据，右图为按性别和喜欢竞技类运动与否统计的汇总数据。
二、对问题的分析
为计算比值比，需要满足以下两个假设：
1. 假设1：自变量和因变量均为二分类变量。
2. 假设2：观测间相互独立。
接下来，将介绍计算比值比的SPSS操作。
三、SPSS操作
1. 数据准备
如果研究者使用原始数据，跳过数据准备步骤，直接计算比值比；如果使用按性别和喜欢竞技类运动与否统计的汇总数据，则需要添加权重，步骤如下。
(1)点击主菜单Data > Weight Cases，如下图：
点击后出现Weight Cases对话框，如下图：
(2)勾选Weight cases by选项，激活 键和Frequency Variable: 框，如下图：
(3)将变量freq选入Frequency Variable框，如下图：
(4)点击OK键，为数据加权。
2. 比值比的SPSS操作
(1)点击主菜单Analyze > Descriptive Statistics > Crosstabs，如下图：
点击后出现Crosstabs对话框，如下图：
注意：如果使用频数统计的数据文件，Crosstabs对话框如下图：
(2)将自变量gender选入Row(s):框，因变量comp选入Column(s):框，如下图：
注意：如果使用频数统计的数据文件，Crosstabs对话框如下图：
(3)点击Statistics键，出现Crosstabs Statistics对话框，如下图：
(4)勾选Risk，如下图：
(5)点击Continue键。
(6)点击OK键，生成结果。
四、结果解释
1. 描述性分析
在报告比值比前，研究者应该先查看基本的一些统计量，了解数据特征。本例查看gender*comp Crosstabulation表，如下图：
表中可看到50名研究对象中男性和女性各25人。首先，查看男性喜欢竞技类运动的比值，如下图高亮显示：
25名男性中，18名男性喜欢竞技类运动，7名不喜欢（即喜欢娱乐性运动）。因此，男性喜欢竞技类运动的比值为喜欢与不喜欢的概率之比，即为喜欢竞技类运动的男性数量除以不喜欢的男性数量，得到比值为2.57（18÷7=2.57）。因此对男性来讲，喜欢竞技类运动的概率是喜欢娱乐性运动概率的两倍多。
同理，也可以得到女性的比值。下表中为25名女性喜欢竞技类运动的情况：
25名女性中10名喜欢竞技类运动，15名不喜欢。因此女性喜欢竞技类运动的比值为为喜欢竞技类运动的女性数量除以不喜欢的女性数量，得到比值为0.67（10÷15=0.67）。因此对女性来讲，喜欢竞技类运动的概率是喜欢娱乐性运动概率的0.67倍。
因此，研究者可以汇报：“本研究招募了50名研究对象，男女性各25人。与娱乐性运动（n=7）相比，男性更喜欢竞技类运动（n=18）；在女性中则相反，10名女性喜欢竞技类运动、15名女性喜欢娱乐性运动”。
2. 比值比
观察Risk Estimate表可以得到比值比，如下图：
性别与喜欢竞技类运动与否的比值比为3.857，95%置信区间为1.180到12.606。95%置信区间代表研究者有95%的把握确定人群中这一关联的真实比值比在1.180到12.606之间。此外，比值比还可以通过gender*comp Cross tabulation表的两个比值手动算出。
计算性别与喜欢竞技类运动与否的比值比，仅需要用男性的比值除以女性的比值，如下面算式。因此，男性喜欢竞技类运动的可能性是女性3.857倍。
如果比值比大于1且95%置信区间不包括1，代表男性喜欢竞技类运动的可能性大于女性；反之，比值比小于1且95%置信区间不包括1，则代表男性喜欢竞技类运动的可能性小于女性；若比值比的95%置信区间包括1，则说明男女性喜欢竞技类运动的可能性无统计学差异。
五、撰写结论
本研究招募了50名研究对象，男女性各25人。与娱乐性运动（n=7）相比，男性更喜欢竞技类运动（n=18）；在女性中则相反，10名女性喜欢竞技类运动、15名女性喜欢娱乐性运动。与女性相比，男性喜欢竞技类运动的比值比是3.857（95%置信区间：1.180-12.606），且有统计学意义。

⑸ 请教统计学比数比(OR)如何计算

实验组的有效/无效跟对照组的有效/无效相比，所得的比值。

⑹ 统计中求OR值的公式

OR值,又称比值比,对于发病率很低的疾病来说,它是RR值即相对危险度的精确估计值.简单的说,如果OR为2,则说明发病的可能性是普通人的2倍.
使用四格表计算OR值,碰到其中一个单元格是0的时候就不能用四格表设计卡方检验了首先应该核实资料收集是否准确,其次应考虑样本含量是否足够 .
或许你可以试着找一下统计学的教科书

⑺ or运算 or运算是怎么一回事例如11111110or0的结果是多少 上面是二进制!

or运算是逻辑“或”运算,其真值表如下：
0 0 0 (0 or 0 = 0)
0 1 1 (0 or 1 = 1)
1 0 1 (1 or 0 = 1)
1 1 1 (1 or 1 = 1)
11111110 or 0 按位运算的结果任然是 11111110

⑻ 请说明RR、OR、AR、AR%的计算方法以及意义。

相对危险度（relative risk，RR）。指暴露于某因素发生某事件的风险，即A/(A+B)，除以未暴露人群发生的该事件的风险，即C/(C+D)，所得的比值，即RR=［A/(A+B)］/［C/(C+D)］，RR适用于队列研究或随机对照试验。回顾性研究中无法计算发病率等，故无法计算RR，此时可以用OR 代替RR.
AR又叫特异危险度、率差（ratedifference, RD）和超额危险度（excessrisk），是暴露组发病率与对照组发病率相差的绝对值，它表示危险特异地归因于暴露因素的程度。相对危险度指暴露组发病率与非暴露组的发病率之比，它反映了暴露与疾病的关联强度，说明暴露使个体发病的危险比不暴露高多少倍，或者说暴露组的发病危险是非暴露组的多少倍。暴露对疾病的病因学意义大。
AR%归因危险度百分比：又称病因分值EF;是指暴露人群中发病或死亡归因于该暴露的部分占全部发病或死亡的百分比。AR%=（Ie-Io）/ Ie
=(RR-1)/RR
PAR人群归因危险度：指总人群发病率中归因于该暴露的部分。PAR=It-Io，It为全人群发病率Io为非暴露组发病率；
PAR%人群归因危险度百分比也称人群病因分值，指PAR占总人群发病率的百分比。=PAR/It=【Pe(RR-1)】/【(Pe(RR-1))+1】

⑼ Python 里 and，or 的计算规则是怎样的

a anb ba和b均为True时，结果为True,否则为False,如果a为False,则不再计算ba or ba,b任一为True,结果为True,a,b都为False结果为False，如果a为True,已可以确定结果为True,不再执行b

⑽ OR值怎么算

spssau进阶方法里的logistic回归里有输出OR值和置信区间