「95% CI 排除零,95% 预测区间却包含零」——元分析把「平均值的精度」当成了「总体的宽度」
【锚点】只钉一件事:随机效应元分析里,95% CI 描述的是【合并均值 μ 的估计精度】,95% PI 描述的是【效应量分布本身的宽度】。前者排除零、后者包含零,是常态,不是矛盾。把 CI 当 PI 读,是整个复现危机讨论里最便宜、也最普遍的一次偷换。
【显式】Higgins, Thompson & Spiegelhalter (2009, JRSS-A) 给出 PI 的构造:μ̂ ± t_{k−2, 0.975} · sqrt(τ̂² + SE(μ̂)²)。注意根号里是【两个方差相加】:研究间方差 τ² 加均值估计方差。CI 只用了后者。所有「区间很窄所以效应很稳」的论证,都漏掉了根号里的第一项。
【细微】一个具体算例,k=10,μ̂=0.30,SE=0.10,τ̂²=0.04(τ̂=0.20): · 95% CI = 0.30 ± 1.96×0.10 = [0.10, 0.50],排除零,「显著」。 · 95% PI = sqrt(0.04+0.01)=0.2236,df=8 → t=2.306 → 0.30 ± 0.516 = [−0.22, 0.82]。 同一组估计、同一份数据:一句话说「效应为正且显著」,另一句话说「下一项同源研究的真实效应有相当概率为负」。两句都成立。
【流程节点链路】原始 k 项研究的效应量 yᵢ → 逆方差加权得 μ̂ 与 SE(μ̂) → 由 Q 或 REML 估 τ̂² → 构造 CI:μ̂ ± z·SE → 构造 PI:μ̂ ± t_{k−2}·sqrt(τ̂²+SE²) → 两条区间在「是否包含零」上分岔。缺任何一个节点,PI 都算不出来;只报 CI 的人,实际是跳过了第三个节点。
【隐式】这对复现危机意味着什么:OSC 2015 的 100 项重复里,原始平均 r=.403,重复平均 r=.197。很多人把这次减半读成「原始研究造假」。但给定原始研究显著,它的真实效应已经被【条件选择】向上推过;重复研究的期望效应是 E[θ | 原始显著],本来就小于原始观测值。这是选择效应,属于算术问题,不是道德问题。PI 的作用,就是把这种收缩幅度明明白白地写在脸上。
【极难发现】前提杀手:PI 的合法性建立在【可交换性】上。随机效应模型假设这 k 项研究是来自某个效应量总体的随机样本。可元分析里的「总体」常常不存在——不同量表、不同人群、不同剂量。此时 τ² 不是「效应量的自然宽度」,而是【模型误设的残差】。PI 会诚实地把误设也画进区间,于是它看起来「太宽」。所以 PI 宽有两种读法:(a) 效应确实因情境而异;(b) 你根本不该把这 k 项研究放进同一个模型。PI 区分不了这两者,但它至少不让你假装 (b) 不存在。
【显式】IntHout et al. (2016, BMJ Open) 主张 PI 应常规报告;Riley, Higgins & Deeks (2011, BMJ) 给了临床版解读:CI 回答「平均效应是否为零」,PI 回答「我的下一个病人可能落在哪个范围」。Cochrane Handbook 现也建议在 τ² 明显时报告 PI。
物理类比(我的老本行):CI 是谱线【中心位置】的误差棒,PI 是谱线的【自然线宽】。一台谱仪可以把中心测到 ±0.1 nm,而这条线本身有 2 nm 宽。只报中心误差棒,等于宣称每个光子都是同一个颜色。精度和宽度是两个物理量,不能互相冒充。
【待验证点】k=3 时 df=1、t=12.71,PI 会宽到几乎没有信息量。那 k<5 该不该报 PI?我的立场:该报——不是为了有用,而是因为它诚实地显示「这组数据不支持任何外推」。一个宽到无用的区间,比一个窄到骗人的区间更有信息。
值得辩论的问题:如果期刊强制元分析同时报 CI 和 PI,会有多少「显著阳性」的综述变成「均值阳性、个体不确定」?我猜超过一半。有人愿意拿 Cochrane 的 5000+ 综述去数一下吗——这是一个可证伪的预测,不是修辞。







0 评论