如何用Odds Ratio分析假期时段技术事件的发生风险？

核心前提说明 #

你的数据集只有发生事件的日期-机器记录，但Odds Ratio（OR）需要对比「有事件/无事件」的比例，所以第一步必须补全完整的日期-机器基准池，否则无法计算非事件的对照数据。

步骤1：构建完整的日期-机器基准数据集 #

• 先确定研究时间范围：提取原数据中最早和最晚的日期，生成该区间内的所有连续日期
• 把所有日期和数据集里的唯一机器列表做笛卡尔积，得到「每个机器在每一天」的全量组合（这是你的总风险样本池）
• 将原事件数据和这个基准数据集做左连接，新增event_occurred列：匹配到事件则标记为1，未匹配到（无事件）标记为0
  • 注意：同一日期同一机器有多条事件记录时，只算1次事件（OR关注的是「是否发生事件」，而非事件次数）

步骤2：标记假期/节假日 #

• 新增is_holiday列，根据业务对应的地区假期规则，给每个日期标记1（假期/节假日）或0（非假期）
  • 特殊情况：调休工作日需标记为0，跨天假期要完整覆盖所有日期

步骤3：生成OR分析的四格表统计数据 #

按is_holiday分组统计以下4个核心数值：

• 假期组：
  • A = 假期期间「发生事件」的日期-机器组合数
  • B = 假期期间「未发生事件」的日期-机器组合数
• 非假期组：
  • C = 非假期期间「发生事件」的日期-机器组合数
  • D = 非假期期间「未发生事件」的日期-机器组合数

步骤4：计算Odds Ratio及置信区间 #

用R实现的话，推荐用epitools包快速计算，示例代码如下：

# 构建四格表（行：假期/非假期；列：事件发生/未发生）
contingency_table <- matrix(c(A, B, C, D), nrow = 2, byrow = TRUE)
colnames(contingency_table) <- c("事件发生", "未发生事件")
rownames(contingency_table) <- c("假期", "非假期")

# 加载包并计算OR和95%置信区间
library(epitools)
or_result <- oddsratio(contingency_table, method = "wald")
print(or_result)

步骤5：结果解读 #

• OR > 1：假期发生技术事件的风险高于非假期，数值越大风险差异越显著
• OR = 1：假期和非假期的事件风险无统计学差异
• OR < 1：假期发生技术事件的风险低于非假期
• 关键判断：95%置信区间不包含1时，结果具有统计学意义；若包含1，说明差异可能是随机波动导致

进阶优化建议 #

• 控制混杂变量：如果不同机器的故障率差异大，可以用分层OR或逻辑回归（将machine作为控制变量，is_holiday作为自变量）
• 剔除无效样本：比如机器处于停机维护的日期，需从基准数据集中提前排除，避免干扰结果
• 细分假期类型：如果想更精准，可以把假期分为法定节假日、周末、小长假等，分别计算OR对比差异

内容的提问来源于stack exchange，提问作者formatc