刘青松，王黎明，瞿颖秋，邱世芳

（重庆理工大学 理学院，重庆 400054）

在生物医学研究中，人们常常需要处理大量的相关数据，例如，在眼科（耳科）研究中，每个个体可以得到2只眼睛（耳朵）中每1只眼睛（耳朵）的重要信息，而得到的这些数据往往是高度相关的。研究表明：忽视这些成对数据之间的相关性往往会得到错误的统计推断［1］。如在治疗儿童中耳炎时，Mantel等［2－3］在双盲临床试验中比较2种抗生素（Cefaclor和Amoxicillin）的治愈率。既有1只耳朵患病又有2只耳朵都患病的儿童，被随机分配到使用不同抗生素的治疗组中，每个儿童都接受为期14 d的治疗。2只耳朵都患病的儿童经过14 d治疗后，治疗的结果被分为3类：一是儿童的2只耳朵都被治愈；二是儿童仅仅只有1只耳朵被治愈；三是儿童没有1只耳朵被治愈。只有1只耳朵患病的儿童治疗后，结果有被治愈和没有治愈2种情况。试验数据见表1所示。

表1 接受14 d治疗后儿童的中耳炎数据

针对此类研究，人们常常想要检验的是Cefaclor和Amoxicillin的治愈率是否相同。近年来，对于此类组内相关数据的研究备受关注。Rosner［1］在样本量很大的情况下，基于大样本理论讨论了双边数据的统计假设检验，提出了该检验假设的2种检验统计量。随后，Tang等［4］针对这种成对器官的双边治疗数据，提出了独立性假设和非独立性假设下的渐近和近似非条件的检验过程，Tang等［5］基于2种药物治疗率之差提出了其置信区间的构造方法。对于混合单双边试验数据，Pei等［6］基于治愈率之比研究了2种治疗的等价性检验问题，覃愿等［7］研究了单双边混合试验设计下，2种治疗的治愈率之比的渐近置信区间。……