Co to jest E-wartość?
E-wartość (ang. E-value) to najmniejsza siła związku, na skali ryzyka względnego, jaką niezmierzony czynnik zakłócający musiałby mieć zarówno z ekspozycją, jak i z wynikiem, by po uwzględnieniu zmierzonych zmiennych całkowicie wyjaśnić obserwowany związek (VanderWeele i Ding, 2017). Duża E-wartość oznacza, że potrzeba silnego zakłócenia; mała – że wystarczy słabe. To forma analizy wrażliwości w badaniach obserwacyjnych.
Jak liczyć
Dla RR > 1: E = RR + √(RR × (RR − 1)). Dla RR < 1 najpierw bierze się odwrotność 1/RR. Wzór wynika z czynnika ograniczającego Dinga i VanderWeele'a (2016), który nie wymaga założeń o naturze zmiennej zakłócającej. E-wartość liczy się też dla granicy przedziału ufności bliższej 1; gdy przedział obejmuje 1, wynosi ona 1. Według Dinga i VanderWeele'a (2016) przy rzadkim wyniku te same granice stosuje się do ilorazu hazardów, a iloraz szans z regresji logistycznej przybliża wtedy RR.
Przykład
Dla RR = 1.80, 95% CI [1.25, 2.60] E-wartość wynosi 3.00, a dla dolnej granicy 1.81. Dla efektu ochronnego RR = 0.70 [0.55, 0.89] otrzymujemy 2.21 i 1.50. Dla RR = 1.30 [0.95, 1.78] – 1.92, ale dla przedziału już 1. Zakłócacz o sile RR = 2 w obu kierunkach daje czynnik ograniczający 1.33, więc mógłby obniżyć RR = 1.80 najwyżej do 1.35.
Na rysunku
Rysunek odwraca pytanie z przykładu: zamiast jednej liczby pokazuje, ile może zostać z RR = 1.80 [1.25, 2.60], gdy zakłócacz jest coraz silniejszy. Dla prostoty obie siły są równe (RR z ekspozycją = RR z wynikiem = s), a oszacowanie i granice przedziału dzieli się przez czynnik ograniczający Dinga i VanderWeele'a (2016). Kod niczego nie losuje.
Co widać. Przy s = 1 (brak zakłócenia) pasmo to zwykły przedział [1.25, 2.60]. Im silniejszy zakłócacz, tym niżej może zejść całe pasmo. Dolna granica dotyka RR = 1 przy s = 1.81, a samo oszacowanie – przy s = 3.00. To są dokładnie dwie E-wartości z przykładu: E-wartość to miejsce, w którym krzywa przecina linię braku efektu. Zakłócacz o sile 2 obniża oszacowanie najwyżej do 1.35, a dolną granicę do 0.94 – przedział obejmowałby już 1, choć oszacowanie wciąż wskazuje związek.
Na co uważać. Rysunek pokazuje tylko zakłócacze o równych siłach obu związków. Słaby związek z ekspozycją i silny z wynikiem też może wyjaśnić wynik – pełną krzywą takich par i zależność E-wartości od RR pokazuje wpis E-wartość – jak odporny jest wynik na niezmierzone zakłócenie. Krzywa to granica najgorszego przypadku: prawdziwy zakłócacz o sile 2 może przesunąć wynik mniej. Rysunek nie mówi też, czy taki zakłócacz istnieje – siłę s porównaj z siłą zmierzonych zmiennych. Jak zakłócanie wygląda na danych, pokazuje wpis Zmienna zakłócająca i collider – wizualizacja.
Podpis do pracy:
Kod poniżej odtwarza rysunek i liczby z tego akapitu. Jest samowystarczalny: prosty motyw i kolory Okabe–Ito definiuje sam. Rysunek na stronie powstał z tego samego obiektu p1 z motywem serwisu – dane, geometrie i skale są identyczne, różni się tylko krój czcionki. Zakres s od 1 do 4 i położenie etykiet wybrano ręcznie.
Kod R rysunku 1
# Rysunek 1. Jak bardzo zakłócacz o rosnącej sile może obniżyć RR = 1.80 [1.25, 2.60]
library(ggplot2)
motyw <- theme_minimal(base_size = 14) +
theme(panel.grid.minor = element_blank(), legend.position = "bottom",
plot.title = element_text(face = "bold"))
rr <- 1.80; ci <- c(1.25, 2.60) # wynik z przykładu hasła
B <- function(s) s * s / (2 * s - 1) # czynnik ograniczający przy RR_EU = RR_UD = s
e_wartosc <- function(x) x + sqrt(x * (x - 1))
sila <- seq(1, 4, by = 0.01)
d <- data.frame(s = sila, est = rr / B(sila), dol = ci[1] / B(sila), gor = ci[2] / B(sila))
round(c(E_punkt = e_wartosc(rr), E_CI = e_wartosc(ci[1]), B_przy_2 = B(2), RR_przy_2 = rr / B(2),
dolna_przy_2 = ci[1] / B(2)), 2)
znaczniki <- data.frame(s = c(e_wartosc(ci[1]), e_wartosc(rr)), y = 1,
opis = sprintf("E = %.2f", c(e_wartosc(ci[1]), e_wartosc(rr))))
p1 <- ggplot(d, aes(s)) +
geom_ribbon(aes(ymin = dol, ymax = gor), fill = "#56B4E9", alpha = 0.35) +
geom_line(aes(y = est), linewidth = 1.2, colour = "#0072B2") +
geom_line(aes(y = dol), linewidth = 0.7, linetype = "dashed", colour = "#0072B2") +
geom_hline(yintercept = 1, linewidth = 0.6) +
geom_point(data = znaczniki, aes(y = y), shape = 21, size = 3.5, fill = "white", stroke = 1.2) +
geom_text(data = znaczniki, aes(y = y, label = opis), vjust = 1.9, size = 4.2) +
annotate("segment", x = 2, xend = 2, y = 0.5, yend = rr / B(2), linetype = "dotted") +
annotate("text", x = 2.05, y = rr / B(2), hjust = 0, vjust = -0.6, size = 4,
label = sprintf("s = 2: RR najwyżej obniżone do %.2f", rr / B(2))) +
annotate("text", x = 3.6, y = c(rr / B(3.6), ci[1] / B(3.6)), vjust = -1.2, size = 3.9,
label = c("oszacowanie", "dolna granica 95% CI")) +
scale_y_log10(breaks = c(0.5, 0.75, 1, 1.25, 1.5, 2, 2.6)) +
scale_x_continuous(breaks = 1:4) +
coord_cartesian(ylim = c(0.5, 2.7)) +
labs(title = "Ile zostaje z RR = 1.80 przy zakłócaczu o sile s",
x = "Siła zakłócacza: RR z ekspozycją = RR z wynikiem = s",
y = "Najniższe możliwe RR po korekcie (skala log)") + motyw
p1 # zapis: ggsave("e-wartosc-e-value-sila-zaklocacza.svg", p1, width = 8, height = 5.6)Wynik w R
E_punkt E_CI B_przy_2 RR_przy_2 dolna_przy_2
3.00 1.81 1.33 1.35 0.94 Jak opisać w pracy
Na co uważać
- Brak progu. Ioannidis i in. (2019) zauważają, że E-wartość jest prawie liniową funkcją oszacowania i nie istnieje ogólna granica „wystarczająco dużej”. Porównaj ją z siłą znanych zakłócaczy w dziedzinie.
- Tylko zakłócanie. Nie obejmuje błędu selekcji, pomiaru ani wybiórczego raportowania.
- Nie zastępuje projektu. Dobór zmiennych z grafu przyczynowego i metody takie jak propensity score są ważniejsze niż sama liczba.
Więcej przykładów daje wpis E-wartość – jak odporny jest wynik na niezmierzone zakłócenie, a inne analizy wrażliwości – Analiza wrażliwości w artykule naukowym.
E-wartość w R
Kod liczy E-wartość ze wzoru VanderWeele'a i Dinga dla trzech przykładowych ryzyk względnych i granic ich przedziałów ufności oraz czynnik ograniczający dla zakłócacza o zadanej sile.
E-wartości dla oszacowania punktowego i przedziału ufności
R
e_wartosc <- function(rr) { # VanderWeele i Ding (2017)
rr <- ifelse(rr < 1, 1 / rr, rr) # efekt ochronny: odwrotność RR
rr + sqrt(rr * (rr - 1))
}
przyklady <- data.frame(
opis = c("RR = 1.80 [1.25, 2.60]", "RR = 0.70 [0.55, 0.89]", "RR = 1.30 [0.95, 1.78]"),
rr = c(1.80, 0.70, 1.30), granica = c(1.25, 0.89, 0.95)) # granica CI bliższa 1
przyklady$E_punkt <- round(e_wartosc(przyklady$rr), 2)
przyklady$E_CI <- ifelse((przyklady$rr > 1 & przyklady$granica <= 1) |
(przyklady$rr < 1 & przyklady$granica >= 1), 1,
round(e_wartosc(przyklady$granica), 2)) # CI obejmuje 1 -> 1
przyklady[, c("opis", "E_punkt", "E_CI")]
# czynnik ograniczający Dinga i VanderWeele'a (2016) dla zakłócacza o RR_EU = RR_UD = 2
B <- 2 * 2 / (2 + 2 - 1); round(c(B = B, RR_skorygowane = 1.80 / B), 2)Wynik w R
opis E_punkt E_CI
1 RR = 1.80 [1.25, 2.60] 3.00 1.81
2 RR = 0.70 [0.55, 0.89] 2.21 1.50
3 RR = 1.30 [0.95, 1.78] 1.92 1.00
B RR_skorygowane
1.33 1.35Bibliografia oprogramowania
Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (bez dodatkowych pakietów). Rysunek 1 wykonano w pakiecie ggplot2 i zapisano pakietem svglite. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).
- R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
- ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
- svglite (wersja 2.2.2): Wickham, H., Henry, L., Pedersen, T. L., Luciani, T. J., Decorde, M., & Lise, V. (2025). svglite: An 'SVG' graphics device [R package]. https://doi.org/10.32614/CRAN.package.svglite
Najczęstsze pytania
Jaka E-wartość jest wystarczająco duża?
Nie ma uniwersalnego progu. Porównaj E-wartość z siłą związków znanych czynników zakłócających w twojej dziedzinie: jeśli żaden nie jest tak silny, wynik jest odporniejszy.
Dlaczego E-wartość dla przedziału ufności wynosi 1?
Bo przedział już obejmuje 1, czyli brak efektu. Do przesunięcia granicy przedziału na wartość zerową nie trzeba wtedy żadnego niezmierzonego zakłócenia.
Czy E-wartość można policzyć dla ilorazu hazardów?
Tak, przy rzadkim wyniku do końca obserwacji wzór dla RR stosuje się do HR (Ding i VanderWeele, 2016). Przy częstym wyniku potrzebna jest konwersja opisana w literaturze źródłowej.
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
E-wartość i niezmierzone zakłócenie
Wzór dla RR i granicy CI, przeliczenia z OR i HR, współczynnik ograniczający, porównanie ze zmierzonymi zmiennymi i krytyka E-wartości.
Czytaj →PoradnikAnaliza wrażliwości w artykule naukowym
Jak dobrać warianty, policzyć je w R (braki danych, obserwacje odstające, specyfikacje), zbudować krzywą specyfikacji i opisać wyniki w artykule.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Wyceń analizęOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Ding, P., & VanderWeele, T. J. (2016). Sensitivity analysis without assumptions. Epidemiology, 27(3), 368–377. https://doi.org/10.1097/ede.0000000000000457 ● Otwarty dostęp
- Ioannidis, J. P. A., Tan, Y. J., & Blum, M. R. (2019). Limitations and misinterpretations of E-values for sensitivity analyses of observational studies. Annals of Internal Medicine, 170(2), 108–111. https://doi.org/10.7326/m18-2159
- VanderWeele, T. J., & Ding, P. (2017). Sensitivity analysis in observational research: Introducing the E-value. Annals of Internal Medicine, 167(4), 268–274. https://doi.org/10.7326/m16-2607 ● Otwarty dostęp: pełny tekst
Cytowania BibTeX
@article{ding2016sensitivity, author={Ding, Peng and VanderWeele, Tyler J.}, title={{Sensitivity analysis without assumptions}}, journal={Epidemiology}, year={2016}, volume={27}, number={3}, pages={368--377}, doi={10.1097/ede.0000000000000457}}@article{ioannidis2019limitations, author={Ioannidis, John P. A. and Tan, Yuan Jin and Blum, Manuel R.}, title={{Limitations and misinterpretations of E-values for sensitivity analyses of observational studies}}, journal={Annals of Internal Medicine}, year={2019}, volume={170}, number={2}, pages={108--111}, doi={10.7326/m18-2159}}@article{vanderweele2017sensitivity, author={VanderWeele, Tyler J. and Ding, Peng}, title={{Sensitivity analysis in observational research: Introducing the E-value}}, journal={Annals of Internal Medicine}, year={2017}, volume={167}, number={4}, pages={268--274}, doi={10.7326/m16-2607}}