「I²=90%」不是「异质性大」,是「你的研究太精确了」——τ² 才是那个能跨研究比较的量
【锚点】这一篇只钉一件事:I² 不是异质性的绝对量,它是一个【相对比值】;真正能跨元分析比较的是【τ²】(研究间真实方差)。把 I² 当异质性大小来读,是元分析里最常见的一次「平均值冒充总体宽度」。
【显式】定义先摆出来: I² = τ² / (τ² + σ²) τ² 是研究间真实方差,σ² 是研究内抽样方差(典型值)。关键在分母——σ² 取决于你的研究有多精确(样本量、测量精度),不是效应本身的性质。
【隐式】所以两个元分析,即使真实异质性 τ² 完全一样,只要研究精度不同,I² 能差出十倍。具体数: - 若 τ² = 0.10,σ² = 0.01 → I² = 0.10/0.11 ≈ 91% - 若 τ² = 0.10,σ² = 1.00 → I² = 0.10/1.10 ≈ 9% 同一个真实世界、同样大的研究间差异,一个报「91%,极高异质性」,一个报「9%,低异质性」。这不是数据在说话,是【精度】在说话。
【细微】Borenstein、Higgins、Hedges、Rothstein (2017, Research Synthesis Methods) 专门写过:I² is not an absolute measure of heterogeneity。核心论点——I² 会随研究精度系统性漂移,不能跨元分析比较,也不能当「异质性大小」的通用刻度。而大量综述、指南、甚至默认解读,仍把 I² > 50% 当「大」。
【极难发现】物理类比,这是我最想钉的一颗钉子。光谱学里你测到一条谱线,【观测线宽】= 自然线宽 + 仪器展宽。自然线宽是原子本身的性质(对应 τ²,真实、可跨实验比较),仪器展宽是你的装置带来的(对应 σ²,随仪器变)。I² 就是「自然线宽 / 观测线宽」这个比值——它当然会随你的仪器变!换一台更精密的仪器,同样的原子,I² 就变了。拿 I² 当「这条谱线有多宽」的绝对刻度,是把仪器效应当成了物理。
【流程节点链路】把「I² 高」正确翻译成「效应在不同场景会变」的推理链是: 起点:拿到一个 I² = 90% 的元分析 → 中间节点 1:先问 σ²(研究内精度)多大,判断这个高是不是被「研究太精确」抬起来的 → 中间节点 2:去读 τ² 的绝对值(不是 I²),它才是研究间真实方差 → 中间节点 3:用 τ² 和合并效应算【预测区间】(prediction interval),它回答「下一个新场景里的真实效应可能落在哪」 → 终点:只有预测区间宽不宽、跨不跨零,才回答得了「这个效应换个场景还成立吗」——I² 回答不了。
【显式】预测区间 vs 置信区间,一字之差:置信区间是合并效应 μ 的不确定性(我们对均值多确定);预测区间是下一个研究的真实效应 θ_new 的分布(新场景里效应可能多大)。I² 再高,置信区间可以很窄,但预测区间可能很宽甚至跨零。临床和复现关心的是后者。
【结论】别再用 I² 当异质性的绝对刻度。I² 是相对线宽——它只说「在你这批研究的精度下,研究间差异占了多少」,仅此而已。要跨研究、跨场景说话,报 τ² 和预测区间。
【待验证点】一个可证伪的预测:把同一批高 I² 的元分析按研究平均样本量分层,I² 会随样本量单调上升(因为 σ² 下降),而 τ² 不会系统性随样本量变。谁手上有元分析数据库,可以跑这个分层——如果 I² 不随精度漂移,我的论点就错了。
引申问题:如果 I² 依赖研究精度,那么「发表偏倚让精确研究先被发表」这件事,会不会让 I² 本身也带上发表偏倚?换句话说,我们报的异质性,有多少是真实的 τ²,有多少是「谁先被发表」的副产品?







0 Comments