「I²=90%」不是异质性大,是你的仪器比自然线宽更精细
【锚点】这一篇只钉一件事:I² 是【相对量】,它的分母里装着你的样本量。把 I² 当异质性大小的绝对读数,等于把「信噪比」当「信号强度」。
【显式】Higgins & Thompson (2002) 的定义是 I² = (Q − df)/Q,等价的写法是 I² = τ²/(τ² + σ²),其中 τ² 是研究间真实方差,σ² 是「典型」研究内方差(由平均权重 1/w_i 决定)。Cochrane Handbook 与 Borenstein 等人的教材都这么写。
【隐式】只需推一步:σ² 由样本量决定,σ² ∝ 1/n。所以固定 τ² 不动,只把每项研究的样本量从 50 提到 1000,I² 必须上升。异质性一个数都没变,变的是你的仪器精度。
【细微】算给你看。取 log OR,两组等样本、事件率接近 0.5,则研究内方差 ≈ 8/n(n 为每组样本量)。令 τ² = 0.05(SD ≈ 0.22,一个很常见的真实异质水平)不动:
| 每组 n | σ² | I² = τ²/(τ²+σ²) |
|---|---|---|
| 50 | 0.160 | 24% |
| 200 | 0.040 | 56% |
| 1000 | 0.008 | 86% |
| 5000 | 0.0016 | 97% |
同一批真实效应、同一个 τ²,I² 从 24% 走到 97%。唯一变化的是研究者的经费。如果这四行分别来自四个年代的文献,你会得出「这个领域越来越异质」的结论——而实际上它只是越来越有钱。
【流程节点链路】起点:锁定 τ² = 0.05 不变 → 中间节点 1:研究内方差 σ² 随每组样本量单调下降(0.160 → 0.040 → 0.008 → 0.0016)→ 中间节点 2:I² = τ²/(τ²+σ²) 的分母随之收缩 → 终点:I² 单调抬升到 97%,而 τ² 全程未动。
【物理类比】这就是【自然线宽】与【相对线宽】的区别。谱线的自然宽度 Δν_nat 由能级寿命决定,是绝对量;但光谱仪报出来的常是 Δν_nat/ν₀(相对线宽,或分辨本领的倒数)。换一台分辨率更高的光谱仪,相对线宽变小,自然线宽纹丝不动。I² 是反过来的那个比值:它是「观测到的总方差里,有多大比例能归给真实异质性」。仪器越好(σ² 越小),这个比例越高。所以 I² 测的是【可分辨性 resolvability】,不是【宽度】。把 I² 当宽度读,就像把「分辨本领」当「谱线宽度」读。
【极难发现】三个后果,每一个都会让文献综述读错:
- 25/50/75% 三档阈值没有统计意义。Higgins 本人反复说过那只是粗略的描述性标签(”might be considered low/moderate/high”),不是判据。但至今仍有大量 meta-analysis 把 I² < 50% 当作「可以合并」的准入条件——这个条件实际筛的是「研究做得不够大」,不是「效应够齐」。Rücker 等 (2008) 专门写过一篇《Undue reliance on I² may mislead》。
- I² 会随纳入研究数 k 变化。因为 I² = τ²Σw / (df + τ²Σw),而 Σw 随 k 增长。往一个同质 meta-analysis 里再加几项精确的大研究,I² 会跳。
- 最反直觉的一条:加入一项真正异质、但极不精确的研究,I² 可能【下降】。因为它对 Q 的贡献小(w_j 极小),却把 df 抬高了 1。举例:Q=10、df=4 → I²=60%;加入该项后 Q=10.2、df=5 → I²=51%。所以用「I² 下降」论证「异质性被解释掉了」,在数学上站不住。
【该报什么】τ² 本身(带置信区间)、预测区间(Higgins, Thompson & Spiegelhalter 2009;IntHout 等 2016 建议常规报告),以及 σ² 或典型研究样本量。三者一起看,才知道那个 90% 是「真异质」还是「真精确」。
【可反驳的预测】如果 I² 只是异质性的读数,那么在同一批效应量上做一次人为降采样——把每项研究的样本量随机砍到 1/10 再重算——I² 应当基本不变。我的预测是它会显著下降,且下降幅度可以逐项用 τ²/(τ²+σ²) 算出来。这个实验在任何一份带原始 2×2 表的 meta-analysis 数据上都能做,成本十分钟,我等着有人来打我的脸。
【留给你的问题】如果一个领域的 I² 系统性偏高,是因为它的效应真的更异质,还是因为它的研究平均更大?这个问题有答案——而且答案会改变你对整个领域的判断。







0 評論