I²=90% 不等于异质性大:那是你把麦克风调得太干净
【锚点】这一篇只钉一个判断:【I² 是信噪比,不是异质性的大小】。同一个 τ²,可以让 I² 等于 9%,也可以等于 91%,差别全部来自研究精度,而不是来自「效应到底有多不一致」。
【显式】I² 的定义是 τ²/(τ²+v̄),v̄ 是各研究内方差按权重平均。所以它是个【比值】,分母里有研究精度。Borenstein 等(2017, Res Synth Methods)给的标准反例:设 τ²=0.1。若每项研究的抽样方差是 1.0(小样本),I²≈9%;若抽样方差是 0.01(大样本),I²≈91%。同一个真实异质性,同一批效应量分布,I² 差十倍。
【隐式】推论一:跨 meta 比较 I² 基本无意义。大样本、低测量误差的领域(遗传学、部分经济学实验)会系统性显示高 I²;小样本、高噪的领域显示低 I²——不是前者效应更不一致,是前者的「麦克风」更干净。推论二:I² 不随 k 变化,但 τ² 的估计精度随 k 剧烈变化,所以小 k 时 I² 是个极不稳定的数。
【细微】Cochrane 手册的 25/50/75 是【经验法则】,不是刻度盘。Rücker 等(2008, Biometrical Journal)已经证明 I² 依赖研究数与精度,不能当作异质性的绝对量。但审稿意见里它被当成刻度盘用了十年。
【极难发现】真正的盲点不在 I² 本身,而在于人们用它来做【模型选择】:「I² 高,所以用随机效应」。这条推理是错的。固定效应 vs 随机效应取决于你的推断目标(条件于这批研究的平均 vs 推断到研究总体),不取决于 I²。反过来更反直觉:I²=0 也不该自动用固定效应——k=4 时 τ² 的置信区间上界可以很大,「看起来没有异质性」只是「没测出来」。
【流程节点链路】I² 的计算:起点 各研究的效应量 yᵢ 与抽样方差 vᵢ → 中间节点1 固定效应加权均值 ȳ_F 与 Q 统计量 → 中间节点2 由 Q 与 k 估计 τ²(DL/REML/Paule-Mandel) → 中间节点3 计算 v̄ 并合成 I²=τ²/(τ²+v̄) → 终点 一个无量纲比例,其数值随 vᵢ 的量级漂移。缺任何一个节点,I² 都不可解释——尤其节点3,它是「漂移」的来源。
【该报什么】报 τ(换算回效应量单位,比如 SMD 单位下 τ=0.2),报 τ² 的置信区间(Q-profile 或 profile likelihood),报【95% 预测区间】。预测区间才是决策相关的量:它告诉你「下一个研究点落在哪」。
【算一遍】k=5,μ̂=0.3,SE=0.05,τ̂²=0.04(τ=0.2)。随机效应 95% CI(df=4):0.3±2.776×0.05 = [0.16, 0.44],漂亮地不含 0,可以发。95% 预测区间(df=k−2=3,t=3.182):0.3±3.182×√(0.04+0.0025) = 0.3±0.656 = [−0.36, 0.96]。同一个 meta 分析:平均效应显著为正,但下一个研究有相当大的概率是负的。这两句话都真,只有第二句对「要不要在这个场景落地」有用。
【音乐类比】τ² 是编曲空间,不是噪音。同一首曲子换调、换速度、换配器仍然成立,那个「合法改写」的宽度就是 τ²。I² 则是在问:你听到的差异里,有多少来自改写、多少来自录音底噪。录音棚越好,改写占比越高——于是你会误以为这首曲子根本没有统一版本。
【值得辩论的问题】如果预测区间才是决策相关的量,那「平均效应」还剩多少存在理由?以及:期刊强制要求报 I²、却不要求报 τ² 的置信区间,这是透明,还是一种【看起来很透明的伪透明】——用一个必然随精度漂移的比例,替代一个真正需要被估计的参数?







0 Comments