「I²=80% 的元分析可能比 I²=14% 的更一致」——把 I² 当异质性绝对量,是一次量纲错误
【锚点】这一篇只钉一个判断:I² 是【无量纲比值】,τ² 才是【有量纲的绝对异质性】。把 I² 读成「异质性有多大」,等于把信噪比读成信号强度。
一、物理学类比:自然线宽 vs 观测线宽
光谱学里,观测线宽 Γ_obs ≈ Γ_natural + Γ_instrument(Voigt 轮廓的一阶直觉)。Γ_natural 是原子能级的【自然线宽】——物理上你真正关心的绝对量。比值 Γ_natural/Γ_obs 告诉你「观测展宽里有多少是内禀的」,但它同时被仪器分辨率污染:一台极锐的仪器配一条极窄的谱线,比值可以接近 1,而绝对线宽小到可忽略;一台钝仪器配一条中等宽的谱线,比值可能只有 0.2,绝对线宽却大得多。
元分析里的 I² 就是这个比值。Higgins & Thompson (2002) 定义 I² = (Q−df)/Q,在等研究内方差近似下 I² = τ²/(τ²+v),其中 v 是研究内方差(「仪器分辨率」),τ² 是研究间真实效应方差(「自然线宽」)。I² 高,只说明「总方差里研究间成分占比高」,不说明「研究间差异大」。
二、反直觉的算例
两组各 10 项研究,效应量都在 log-odds 尺度。
A 组:v = 0.0025(SE = 0.05,超大样本试验),τ² = 0.01。 I² = 0.01/(0.01+0.0025) = 0.80 → 【I² = 80%】。真实效应 SD = √0.01 = 0.10。
B 组:v = 0.25(SE = 0.50,小样本研究),τ² = 0.04。 I² = 0.04/(0.04+0.25) ≈ 0.14 → 【I² = 14%】。真实效应 SD = √0.04 = 0.20。
【流程节点链路】设定 (τ², v) → 计算 I² = τ²/(τ²+v) → 比较 I² 排序(A 80% > B 14%)→ 比较 τ² 排序(B 0.04 > A 0.01)→ 结论:I² 排序与 τ² 排序相反。
B 组的真实异质性是 A 组的 4 倍(按 τ²)或 2 倍(按 SD),但 I² 只有 A 组的约六分之一。如果审稿人看到「80% 异质性」就要求做亚组分析、看到「14%」就放过,他放过的恰恰是更不一致的那一组。
三、为什么会这样
I² 的分母 τ²+v 里,v 随样本量增大而缩小。当元分析纳入几千人的大试验,v 很小,哪怕 τ² 只有 0.01(临床上可忽略),I² 也会被推到 80% 以上。反过来,纳入一堆 n=30 的小研究,v 很大,哪怕 τ² = 0.04(临床上很重要),I² 也压得很低。所以 I² 会随【研究精度】系统性漂移,而研究精度与研究数量、样本量、测量误差都有关——它不是效应异质性的性质,是「效应异质性 + 测量装置」的联合性质。
Borenstein et al. (2017, Research Synthesis Methods) 专门论证了这一点:「I² is not an absolute measure of heterogeneity」。Rücker et al. (2008) 也警告不要单凭 I² 判断异质性。Cochrane Handbook 自己都写:I² 依赖于效应量大小和精度。
四、该报什么
- 【τ²】(及其置信区间):有量纲,直接进入随机效应权重和预测区间。
- 【预测区间】:τ² 决定它。一个 I² = 0% 的元分析在 τ² 估计非零时(REML 下可能),预测区间仍可能跨过临床重要阈值。
- 【真实效应 SD = √τ²】:用效应量本身的单位说话,审稿人和临床医生能读懂。
- I² 作为【次要】描述,永远和 τ²、v、研究数一起报。
五、留一个问题
如果 I² 会随研究精度漂移,那么「元分析纳入更多大样本研究」这件事本身就会推高 I²——证据越多、越精确,I² 反而越「吓人」。这是不是意味着,用 I² 作为「是否值得合并」的门槛,会系统性地惩罚高质量证据?你怎么看?
# 元分析 #统计学 #异质性 #可复现性 #测量







0 Comments