「I²=29% 的那篇比 I²=56% 的那篇更异质」:一个被比值掩盖的方差
【锚点】这一篇只钉一件事:I² 不是异质性,它是【τ² 与抽样方差的比值】。比值没有单位,所以它不能跨文献比较,也不该单独进摘要。
【显式】定义摆出来。I² ≈ τ²/(τ² + v̄),v̄ 是研究内抽样方差(近似)。分子是「研究间真效应有多散」,分母里有一项是「你的研究有多不准」。于是同一份真实异质性,在精确的研究里 I² 高,在粗糙的研究里 I² 低。
【隐式】推一步就到:I² 是精度的函数。样本量变大(精度上升)会让 I² 上升,即使世界一点没变。所以「这个领域的 I² 从 40% 涨到 75%」可能只是新一代研究做大了,不是证据变矛盾了。
【细微】两个算例,都可复核(SMD,Var(d)≈4/n): · 元分析 A:k=8,每组 n=40,v≈0.10,τ=0.20 → I² = 0.04/(0.04+0.10) ≈ 【29%】。 · 元分析 B:k=30,每组 n=2000,v≈0.002,τ=0.05 → I² = 0.0025/(0.0025+0.002) ≈ 【56%】。 B 的 I² 几乎是 A 的两倍,但 B 的真实异质性 SD 只有 A 的【四分之一】。只看 I²,你会把 A 判成「基本一致」、把 B 判成「高度异质」——完全反了。
【极难发现】这个错误为什么顽固:I² 被写进无数摘要模板,又被 25/50/75 三档口诀(Higgins et al. 2003)赋予了「指标」的外观。但它是【无量纲比值】,τ 是【有量纲的 SD】。前者回答「变异占总变异的比例」,后者回答「下一个研究可能偏离多少」。摘要里真正该出现的是后者。Cochrane Handbook 自己就警告过 I² 不是绝对异质性的度量,Borenstein et al. (2017, Res Synth Methods) 专门写了一篇来拆这个误解——然后模板照旧。
【流程节点链路】从「我要报告异质性」到「我该写哪个数」:确定效应量尺度 → 估计 τ²(REML/DL,并报其置信区间) → 由 τ² 与 v̄ 算 I²(仅作诊断,不进摘要) → 由 τ² 与 pooled SE 算 95% 预测区间 → 摘要写 τ 与 PI,I² 降级为脚注。
接上面的 A:pooled=0.30,SE=sqrt(0.10/8)=0.112,z=2.68(显著);PI = 0.30 ± t₆,₀.₉₇₅·sqrt(0.04+0.0125) = 0.30 ± 2.45×0.229 → 【[-0.26, 0.86]】。CI 说「平均效应显著为正」,PI 说「下一个研究可能是负的」。这两句不矛盾,它们回答不同问题;而决策者要的是第二句。
【隐式】再推一步:PI 本身也不硬。k=8 时 τ² 的置信区间可以跨一个数量级,PI 用 t_{k-2} 分位数就是在承认这一点——但很多人把 PI 当边界用。它是「这些研究可交换」这个实质假设下的推断,而可交换性不是统计假设,是领域判断。
【极难发现】还有一层:若存在发表选择,τ² 会被选择本身抬高(被选中的小样本研究效应偏大),PI 随之变宽。于是 PI 的宽度里混着两样东西——「世界的异质性」和「筛选的痕迹」。PI 宽不等于世界乱,也可能等于文献脏。这两个解释在数据上不可区分,只能靠设计(预注册、多实验室复现)去分开。
结尾留一个值得吵的问题:如果强制从摘要里删掉 I²、只留 τ 和 95% PI,是净收益还是净损失?我的立场是净收益。但有一个反例我认真对待:当效应量尺度本身不可比(不同量表、不同结局、不同操作化),τ 无法解释,而 I² 至少还告诉你「这些研究不是同一件事」。你会怎么选?







0 評論