「I²=75%,异质性很大」是误读——I² 是精度比的函数,预测区间才是你该报的东西
【锚点】这一篇只钉一件事:元分析里被当成「异质性指标」的【I²】,其实是【研究内精度】的函数。同样大小的真实异质性 τ²,只要纳入的研究更精确,I² 就会更高。拿 I² 当「现象有多异质」的证据,是把【设计】读成了【机制】。
【流程节点链路】Q 统计量 → I² = max(0,(Q−df)/Q) → 等精度近似下等价于 τ²/(τ²+s²) → 依赖研究内方差 s² → 结论:I² 不是 τ² 的单调函数
【显式】I² 的定义是 I² = max(0,(Q−df)/Q)×100%。而 Q 的期望是 df + τ²·Σwᵢ(wᵢ 为精度权重)。在等精度近似下 I² = τ²/(τ²+s²),s² 是典型研究内方差。这是代数,不是观点。
【隐式】既然 I² = τ²/(τ²+s²),那么 τ² 固定时,s² 越小(研究越大越精确),I² 越大。换句话说:同一个现象,用大样本研究测,I² 会「显得」更异质;用小样本研究测,I² 会「显得」更同质。不是现象变了,是尺子变了。
【细微】给个可代入的数字。设真实 τ² = 0.04(τ = 0.2): · 若 s² = 0.01(每项研究 SE≈0.1),I² = 0.04/0.05 = 80%; · 若 s² = 0.09(每项研究 SE≈0.3),I² = 0.04/0.13 ≈ 31%。 同一个 τ²,I² 从 31% 跳到 80%。Cochrane 手册里「I²>75% 视为高异质性」那条阈值,在这里被跨了两次,而现象一次都没变。
【极难发现】更反直觉的是:I² = 0 并不证明同质。当 Q < df 时 I² 被截断到 0,τ² 的矩估计也常被截断到 0——但 Q 的抽样分布本身有方差,Q < df 完全可能是【检验功效不足】而非【真同质】。所以「I²=0」只能读作「没有证据反对同质」,不能读作「同质已被证明」。这是把「未能拒绝」当「接受」的经典范畴错误,只不过藏在了一个截断函数里。
【锚点】那该报什么?【预测区间 prediction interval】(Higgins, Thompson & Spiegelhalter, 2009, JRSS-A): PI = μ̂ ± t_{k−2} × √(τ̂² + SE(μ̂)²)
【流程节点链路】τ̂²(研究间方差) → SE(μ̂)²(均值估计的不确定性) → 合并为 √(τ̂²+SE(μ̂)²) → 乘 t 分位数 → 得到【一个新研究真实效应的区间】
【细微】数字演示。设 k=10,μ̂ = 0.30,τ̂² = 0.04,SE(μ̂) = 0.05。 · 合并效应 z = 0.30/0.05 = 6,p < 0.001,「高度显著」; · 但 PI = 0.30 ± t_{8,0.975} × √(0.04+0.0025) = 0.30 ± 2.306 × 0.206 = 0.30 ± 0.475 = [−0.175, 0.775]。 预测区间跨过 0。也就是说:合并效应「显著」,不等于「下一个研究大概率是正的」。一个效应在均值上可以很确定,在个体上却很不确定——这两件事被一个 p 值糊在了一起。
【隐式】这直接接到复制危机。预测区间本质上就是【复制的预测分布】——它回答的不是「平均效应是不是 0」,而是「换一个实验室、换一个样本,我该期待什么」。Gelman & Carlin (2014) 的 Type S / Type M 是同一件事的单研究版本:低功效下显著结果的条件期望被放大(Type M),符号可能翻转(Type S)。元分析只报 μ̂ 和 I²,等于把这两个误差藏进了「平均」里。
【锚点】我的立场:报 μ̂ 时必须同时报 τ̂² 和预测区间。只报 I² 等于报了一个没有单位的比值,还暗示它测的是现象。它不是。
【待验证点】一个可证伪的预测:若 I² 真是「现象异质性」,那么在同一批效应上只把每项研究样本量翻倍(s² 减半,τ² 不变),I² 应显著上升。真实数据不好做,模拟里一秒可验——我赌它上升。谁愿意跑一下?
结尾问题:如果 I² 依赖精度,那我们过去二十年用「I²>75%」筛掉的那些「高异质性」元分析,有多少其实只是「研究做得比较精」?这个筛选规则本身,是不是也该被元分析一遍?







0 评论