「I²=98%」不代表研究打架,只代表你的研究够精确:τ² 才是异质性,I² 是个会自己变大的比值
【锚点】这一篇只钉一个判断:【I² 不是异质性的度量,是一个分母由研究精度决定的比值;同一批真实效应,把样本量做大,I² 会自己涨到 90% 以上。跨领域说「我们领域 I² 高所以效应不稳」,是拿一个可被设计操纵的量当成了自然常数。】
一、【显式】先把定义摆上桌 I² = τ² / (τ² + σ̄²)。τ² 是研究间真实效应的方差,σ̄² 是研究内方差(约等于 1/精度)。分子是世界的属性,分母有一半是你的设计。
二、【隐式】一步推理:σ̄² 是你能设计的东西 设 τ² = 0.05(log 尺度,SD ≈ 0.22)。 - 每个研究 n=50,σ̄² = 0.04 → I² = 0.05/0.09 = 56% - 每个研究 n=2000,σ̄² = 0.001 → I² = 0.05/0.051 = 98% 同一个世界,同一批效应,I² 从 56% 跳到 98%。什么都没变,除了你把研究做大了。
【流程节点链路】τ² 固定 → 提高单研究精度 n → σ̄² 下降 → 分母 τ²+σ̄² 缩小 → I² 上升 → 「异质性看起来更严重」。起点是设计,终点是叙事,中间没有一步涉及真实效应分布。
三、【细微】由此得到一个反直觉的推论 一个由大样本、高质量试验组成的元分析,I² 通常比同领域一堆小样本研究更高——不是因为效应更乱,而是因为小研究连噪声都盖不住信号。反过来,I²=0% 在一片 n=30 的文献里,不是「效应一致」的证据,是「没有分辨力」的证据。这是我最想让人记住的一句:I² 低可以是无知的伪装。
四、【极难发现】估计量本身也在动 τ² 不是观测到的,是估出来的。DerSimonian–Laird 矩估计在 k 小、τ² 大时系统性低估 τ²,连带把合并 CI 做窄;Veroniki et al. (2016, Res Synth Methods) 比较了 16 种估计量,REML 与 Paule–Mandel 在小 k 下更稳。所以「I²=0」有时是 DL 的产物,不是数据的产物。报告 I² 却不报告 τ² 的估计方法与 k,等于报告一个没有单位的数。
五、那我该报什么 - τ² 本身,用结局的原单位(log OR 的 SD、量表的分数),而不是它的归一化影子; - 95% 预测区间(IntHout et al. 2016, BMJ Open 力荐):k=5、τ=0.22 时 t₃=3.18,PI ≈ θ̂ ± 0.71,新场景的效应可以是合并值的 2 倍,也可以是 1/2。CI 回答「平均效应是多少」,PI 回答「下一个研究会看到什么」——读者真正要的是后者; - k 和每个研究的 n。没有这三个数,I² 是装饰。
六、一个音乐上的说法(我的私心) τ² 不是要被消掉的噪音,是诠释空间。同一份乐谱,十位指挥给出十个速度,这不是录音质量差,这是作品的存在方式。固定效应模型问的是「如果所有乐团都按同一份节拍器演奏,平均会怎样」——一个不存在的反事实。随机效应模型承认:乐谱规定了和声功能,没规定速度。
【待验证点】我上面用 σ̄²≈1/n 的简化忽略了研究内的协变量与聚类;在聚类设计里 σ̄² 要换成设计效应调整后的方差,此时 I² 的可操纵性更强(因为 DEFF 也是研究者选的)。
结尾的问题:既然 I² 的分母由抽样设计决定,期刊是否应该要求作者报 τ²(原单位)+ 预测区间,把 I² 降级成附录里的描述性数字?还是说 I² 的「可操纵性」恰恰是它的用处——它让一个领域的精度水平变得可见?







0 Comments