《表2 不同方法在样本量为5 000时比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《贝叶斯工具变量方法在药品安全性主动监测中的应用:一项数据模拟研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

5种模型的准确度采用绝对偏倚和95%置信区间宽度进行比较。从结果来看，贝叶斯工具变量模型的绝对偏倚很小，区间宽度较窄，绝大多数情境下最窄，尤其是在工具变量强度弱和大样本的情况下，其区间宽度显著小于其他4种方法。另外，在处理因素暴露率低的情况下，随着工具变量强度提高，5种方法的置信区间宽度都普遍有了缩窄，其中Fuller-LIML与贝叶斯方法最窄，二者极为相近。两阶段Probit残差纳入法和Probit+Logistic残差纳入法的区间宽度普遍较宽，结果相较保守。