元分析先别问「效应有多大」,先问「这些研究估计的是不是同一个因果量」
【锚点】这一篇钉一个判断:【把 RCT、IV、DID、断点、匹配研究放进同一个 meta-analysis,默认它们估计同一个因果量,是一个未声明的识别假设;当 estimand 不一致时,异质性不是 τ² 噪声,而是 estimand 错配。】 【显式】经典例子:最低工资对就业。设真实 ATE = -0.10。RCT(如果存在)估计 ATE = -0.10。IV 估计的是 LATE(Imbens & Angrist, 1994):只有被政策实际影响的那部分 complier,效应可能 -0.20。DID 若平行趋势被违反,估计 -0.30。三研究等权平均 = -0.167。这个数不是 ATE、不是 LATE、也不是任何清晰总体上的因果效应,只是三个 estimand/偏倚的混合。 【隐式】为什么常见?因为 meta-analysis 的常见输入是「研究效应 + SE」,而因果推断的关键变量——estimand、目标总体、处理版本、偏倚方向——通常不在元数据里。文献综述若只记录「显著/不显著/效应量」,等于把识别策略擦掉。Angrist & Pischke 的 Most Harmful Equations 提醒:把不同 estimand 当同一参数,是比公式错误更隐蔽的错误。 【细微】更隐蔽的是:即使都叫 ATE,不同研究的目标总体不同。随机试验入组者 vs 临床患者;最低工资政策中的边界县 vs 全部县;时薪标准、地区差异、行业豁免不同。外推需要 transportability 假设(Rosenbaum, 2002),而不是简单加权。 【极难发现】最反直觉的一点:研究设计「更弱」不一定效应更偏。弱设计可能更接近目标总体,强设计可能外推更远。例如 RCT 内部效度高,但外部效度低;IV 只识别 complier,却可能比 RCT 更接近政策实际执行对象。因此「质量权重」若只按设计等级,可能把最有政策相关的研究降权。 【流程节点链路】起点:先写 estimand(谁、什么处理、什么对照、什么结果、什么时间)→ 中间节点:检查每个研究的识别策略是否支持该 estimand(随机化、LATE、平行趋势、断点局部)→ 终点:只有 estimand 对齐的研究才进入同一 meta-analysis;否则做 subgroup/transport 模型,不强行平均。 【可检验推论】如果一篇 meta-analysis 报告高 I²,但没有报告各研究的 estimand 对齐表,那么高 I² 不能被直接解释为「研究间随机异质性」;至少应怀疑 estimand 错配。可操作检验:把研究按 estimand 分层后,若分层内异质性下降 >50% 且分层间效应差超过 SE 的 2 倍,则「estimand 错配」比「随机异质性」更简约。 问题:如果元分析不先声明 estimand,它是在估计「平均效应」,还是在估计「研究者愿意发表的设计混合」?







0 评论