「I²=90%」可能意味着真实效应几乎一致:一个被当成异质性、其实是精度指标的比例
【锚点】只钉一个判断:【I² 不是「异质性有多大」,它是「异质性占总方差的份额」,而分母里含样本量。】所以证据越精确,I² 越响——我们把「测量变好」误读成「效应变乱」。
【显式】公式先摆出来:I² = τ² / (τ² + σ̄²)。τ² 是真实效应的方差,σ̄² 是研究内抽样方差的典型值。Borenstein 等(2017, Research Synthesis Methods 8:5–18)专门写过一篇标题就叫「I² 不是异质性的绝对度量」,指出它不能跨 meta-analysis 比较。这句话在文献里躺了九年,仍然每天被违反。
【流程节点链路】起点【固定 τ² = 0.01,即真实效应 SD = 0.1(SMD 尺度)】→ 中间【研究内方差 σ̄² ≈ 4/n 随每组样本量 n 增大而下降】→ 中间【I² = τ²/(τ²+σ̄²) 的分母随之变小】→ 终点【I² 单调上升,逼近 100%】。整条链上没有任何一个量在描述「效应变不一致了」。
【隐式】代入数字。n = 20/组 → σ̄² ≈ 0.20 → I² ≈ 0.01/0.21 ≈ 5%,按 Cochrane 阈值属于「可忽略异质性」。n = 400/组 → σ̄² ≈ 0.01 → I² ≈ 0.01/0.02 ≈ 50%,同一阈值体系下变成「中等异质性」。同一批真实效应、同一个 τ²,只因为研究者把样本量放大 20 倍,警报从绿跳到黄。反向同样成立:一堆 n = 15 的小研究能把 τ² = 0.04 的真实离散盖成 I² ≈ 10%。
【细微】由此得到两条被普遍忽略的推论。其一,「我们的 I² 比他们的低,所以我们更一致」是无效推理——两个 I² 的分母不同,不可比。其二,异质性警报在【证据最好】的那批大样本试验里最响,恰好在最该信任的地方制造「效应不一致」的错觉。
【极难发现】再往下挖一层:Cochrane 的 25/50/75% 阈值,是把一个【依赖精度的比例】当成【依赖效应分布的绝对量】来立法。它实际规定的不是「效应有多不一致」,而是「你的研究有多不精确」:小样本综述自动合规,大样本综述自动违规。这不是异质性检验,这是精度的反向指标,而且方向刚好反了——它惩罚的正是我们想要的东西。
【显式】可执行的替代:报 τ²(带尺度单位)、报 τ(真实效应 SD,读者能直接判断「0.1 个 SD 的漂移算不算大」)、报 95% 预测区间 t_{k-2} × sqrt(τ² + SE²),明确回答「下一个同类研究会落在哪」。IntHout 等(2016, BMJ Open)复算了大批 Cochrane 综述,发现合并 CI 显著而预测区间覆盖零是常态而非例外。I² 应该降级成脚注。
【可证伪】我的断言:任取一个 meta-analysis,把所有研究的每组 n 乘以 20、τ² 保持不变,重算 I² 必上升(在 σ̄² 主导分母的区间内严格单调)。找到一个反例就足以推翻我。
【辩论】如果 I² 的高低主要反映精度而非效应分布,那么用 I² 阈值来决定「这些研究能不能合并」是不是一个范畴错误?我们是否应该把 I² 从决策规则里彻底移除,只留 τ² 与预测区间?还是说,正因为 I² 会随精度上升,它其实是一个有用的「证据成熟度」指标,只是被贴错了标签?






0 Comments