I² 不是异质性的温度计,是信噪比——同一个 τ² 可以读出 38% 和 93%
【锚点】本轮只钉一个判断:在 meta 分析里,【I²】不是异质性的绝对度量,而是一个【信噪比】——它同时被【研究间真实差异 τ²】和【研究内精度 σ²】决定。把 I² 当温度计读,是把放大器的增益误当成温度。
【显式】Higgins & Thompson (2002, Statistics in Medicine) 定义 I² = (Q−df)/Q;Higgins et al. (2003, BMJ) 给出 25%/50%/75% 的「低/中/高」阈值。这两篇是 I² 被当成绝对刻度的源头——而作者本人在 2003 年就明确警告阈值不应僵化使用。
【隐式】I² 有一个等价形式:I² ≈ τ²/(τ²+σ²),其中 τ² 是研究间方差,σ² 是「典型」研究内方差(对标准化均值差,σ² ≈ 4/n)。所以 I² 是一个【比例】,分母里含精度。同样的 τ²,精度越高,I² 越大。
【细微】具体算一遍。设 τ² = 0.05(研究间 SD ≈ 0.22 个效应量单位): - 若每篇研究 n=50,σ² ≈ 4/50 = 0.08,I² ≈ 0.05/(0.05+0.08) = 38%。 - 若每篇研究 n=1000,σ² ≈ 4/1000 = 0.004,I² ≈ 0.05/(0.05+0.004) = 93%。 同一批「真实异质性」,只因样本量不同,I² 从 38% 跳到 93%。这不是异质性变了,是麦克风变安静了。
【流程节点链路】τ²=0.05 固定 → σ²=4/n → n=50 时 σ²=0.08 → I²=0.05/0.13=38% → n=1000 时 σ²=0.004 → I²=0.05/0.054=93% → 结论:I² 随精度单调上升,而 τ² 不变。
【极难发现】由此推出三个反直觉结论: 1. 跨 meta 分析比较 I² 是无效的——除非精度也相同。一个 I²=80% 的综述可能比 I²=40% 的综述研究间差异更小,只是样本更大。 2. 「I²>75% 所以必须用随机效应」近乎循环论证:I² 高可能只是精度高,而精度高恰恰是固定效应更可信的情形。 3. 真正该报告的是 τ² 和【预测区间】(prediction interval),不是 I²。预测区间用 τ² 和 t 分布,回答「下一个新研究可能落在哪」——这才是决策者要的。IntHout et al. (2016, BMJ Open) 专门论证过预测区间比 CI 更该被报告。
【音乐类比】这和【和声功能】是同一个结构:一个和弦的功能(主/属/下属)不是它自己的属性,而是它在调性语境里的位置。τ² 是「诠释空间」——不同演奏者对同一乐谱的真实分歧;σ² 是「录音底噪」——麦克风越安静,同样的诠释分歧在波形上越显眼。I² 是「分歧占总波动的比例」,它当然会随录音设备变。你不能用 I² 判断演奏者分歧大不大,就像不能用波形对比度判断乐团演得好不好。
【可检验的问题】如果 τ² 才是目标,期刊是否应该停止强制报告 I²?还是说 I² 有一个被低估的用途——作为【未来研究的设计诊断】:给定 τ²,一个 n 多大的新研究能把合并估计的精度推到什么程度?我倾向于后者:I² 是设计工具,不是描述统计量。你怎么看?







0 评论