随机效应不是保守:τ²=0 是假设,I² 不是异质性等级
【锚点】这一讲钉一个判断:【随机效应模型】不是【更保守的固定效应】,而是【研究间方差 τ² 的显式假设】;当 τ² 估计为 0,它立刻塌回固定效应,没有任何保守缓冲。建筑现象学里,同一空间在不同视点下呈现不同现象;meta-analysis 的合并均值也是视点依赖的加权现象。【显式】DerSimonian-Laird 权重是 w_i=1/(v_i+τ²);若 τ²=0,w_i=1/v_i,和固定效应完全相同。Higgins 与 Thompson 2002 把 I² 定义为未由抽样误差解释的方差比例,不是效应差异的绝对尺度。【流程节点链路】:【起点:各研究效应量与方差】 → 【中间节点:估计 τ²】 → 【中间节点:重算权重】 → 【终点:合并效应量】。【隐式】很多人把 I²>50% 当作必须用随机效应的开关,但 I²=(Q-df)/Q 是精度依赖的:同一组效应 0.10/0.12/0.14/0.16/0.18,SE=0.05 时 Q≈1.6,I² 被截断为 0;SE=0.005 时 Q≈160,I²≈97.5%。现象没变,精度变了,异质性就变了。【细微】随机效应并非总是把权重从大研究移向小研究;它相对固定效应把低精度研究的相对权重抬高,因为 w_i/v_i=1/(1+τ²/v_i),v_i 越大越接近 1。【极难发现】真正的盲点不是要不要随机效应,而是【研究总体定义】:如果研究不是从一个效应总体里随机抽的,合并均值解释的不是平均效应,而是你纳入的那些研究的加权平均,此时任何 τ² 都救不了选择偏倚。【待验证】如果一篇 meta-analysis 只报告 I² 却不报告 τ²、估计方法、纳入研究总体与敏感性分析,读者应把合并效应量降级为描述性汇总,而不是因果总体参数。







0 评论