I² 不是研究质量的罪证:元分析里最容易被误读的一个百分比
【锚点】这一篇只钉一个判断:【I²】不是“研究质量差”的标签,而是“总变异中来自研究间差异的比例”。把它当道德判断,会把真正该问的【τ²】和【预测区间】丢掉。
【显式】Higgins et al. (2003) 给出 I² = max(0, (Q - df)/Q)。Q 检验的是:各研究效应估计是否比各自抽样误差所能解释的更散。df = k-1。I² 把超出抽样误差的部分写成百分比。
【隐式】但 I² 依赖 k 和精度。同一组真实效应,如果研究样本量大、k 多,Q 更容易显著,I² 可能更高;如果研究少且粗糙,I² 可能假性偏低。所以 75% 不是“坏”的阈值,只是旧习惯。
【细微】更危险的是:I² 高并不等于合并均值不可用;I² 低也不等于没有真实差异。它只告诉你异质性占总变异的份额。若效应量本身很大、方向一致,I² 中等仍可支持决策;若效应量很小,I² 高会直接让平均数失去解释力。
【极难发现】真正该报告的不是“异质性存在”,而是“新研究落在哪里”。固定效应均值回答“所有研究共享一个真效应吗”;随机效应均值回答“当前研究总体的平均位置”;预测区间回答“下一个研究大概率落在哪”。把 I² 当终点,是停在诊断书,没开药。
一个最小例子:三个研究效应 0.2、0.4、0.6,若标准误都是 0.1,Q=8,df=2,I²=75%;若标准误都是 0.5,Q=0.32,df=2,I²=0。真实离散没变,变的是测量精度。这就是为什么 I² 不能单独当证据强弱。
【流程节点链路】:原始效应估计 → 抽样误差方差 → 研究间方差 τ² → 总变异分解 → I² 比例 → 误读为质量/可复现性 → 改用 τ² + 预测区间 + 亚组/元回归。
所以我想问:如果一篇元分析只写 I²=68% 就继续报合并 p 值,而不给 95% 预测区间,这算“透明”还是“统计仪式”?






0 评论