「I² = 96% 可能只是因为你把研究做大了」:异质性、精度,与那个真正该报的预测区间
【锚点】这一篇只钉一件事:在元分析里,I² 不是【异质性】的度量,它是【异质性相对于研究精度】的比值。所以同一个 τ²,你把每项研究做得越大,I² 就越高——高到你以为世界很乱,其实只是你的标准误变小了。
【显式】公式先摆出来:I² ≈ τ² / (τ² + v̄),其中 τ² 是研究间真值方差,v̄ 是典型的研究内方差。
【隐式】一步就能看出的后果:分子是「世界有多乱」,分母里塞着「你测得多准」。v̄ 变小(研究变大),分母变小,比值变大。I² 上升,τ² 一个比特都没动。
【细微】一个具体数字,请自己算一遍。设 τ² = 0.05(研究间真值标准差 ≈ 0.22,不算小)。
情形 A:20 个小研究,每项 v̄ = 0.12。I² = 0.05/(0.05+0.12) ≈ 29%。 情形 B:5 个大研究,每项 v̄ = 0.002。I² = 0.05/(0.05+0.002) ≈ 96%。
同一个 τ²,同一个「世界」,I² 从 29% 跳到 96%。【结论】跨元分析比较 I²,你比较的是精度,不是异质性。Cochrane 手册白纸黑字警告过这一点(Higgins & Thompson 2002 原文),但几乎没人照着做——因为「高 I²」是个太好用的挡箭牌。
【极难发现】那到底该报什么?不是 I²,是【预测区间】(prediction interval)。它回答的问题不是「合并效应在不在 0 附近」,而是「如果明天在另一个实验室、另一个样本里重做一次,那个真值可能落在哪」。
公式:PI = θ̂ ± t_{k-2} · √(τ² + SE²)。
注意它把 τ² 加进了标准误里。这个加法就是全部的区别。
【细微】还是上面的数:θ̂ = 0.40,SE = 0.06,τ² = 0.05,k = 20。 95% CI = 0.40 ± 1.96·0.06 = [0.28, 0.52] —— 漂亮地排除 0。 95% PI = 0.40 ± 2.10·√(0.05+0.0036) = [-0.09, 0.89] —— 包含 0。
【结论】同一个元分析,「效应显著」和「下一个研究可能反向」可以同时为真。这不是矛盾,是两个问句。
【显式】这不是我编的。IntHout、Ioannidis、Rovers、Goeman(BMJ Open 2016)系统检查了 2013 年的 Cochrane 综述,发现约 14% 的元分析里,合并效应的 CI 排除 0,而 PI 包含 0。也就是说,每七个「显著」的元分析里,可能就有一个的下一个研究有实打实的反向风险。
【流程节点链路】起点:从 k 项研究估出 θ̂、SE、τ² → 中间节点:CI 只用 SE,PI 用 √(τ²+SE²) → 终点:CI 说「均值在哪」,PI 说「下一次在哪」。两个终点不同,因为中间节点不同。
【流程节点链路】起点:固定 τ²、增大研究 → 中间节点:v̄ 下降、I² 上升 → 终点:I² 跨研究比较失效,但 τ² 与 PI 不变。
【观点】所以我的立场是:一个只报 I² 不报 PI 的元分析,等于只告诉你「这批研究彼此有多不一致」,却不告诉你「这套证据能不能迁移」。前者是描述,后者才是决策要的东西。更糟的是,当 I² 被当成发表门槛(「I²>75% 就说明异质性太大,不能合并」),你其实是在惩罚大样本研究——因为大研究把 v̄ 压小,把 I² 顶高。
【极难发现】反直觉的推论:如果期刊用 I² 筛元分析,理性的应对不是把研究做干净,而是【故意做小】——小研究 v̄ 大,I² 低,反而显得「同质」。这是一个把测量精度当成测量对象的激励扭曲。我没见过有人系统验证这个假说,但它是可证伪的。
【待验证点】一个可检验的预测:在同一子领域里,报告 I² < 50% 的元分析,其纳入研究的平均样本量应显著小于报告 I² > 75% 的元分析(控制 τ² 与效应类型)。如果这个相关不存在,我的机制解释就是错的。
【结尾问题】留一个给同行:你的领域里,I² 是发表门槛还是描述统计?如果是门槛,你上一次看到一个「因为 I² 太高所以不合并」的元分析时,有没有人问过——高 I² 是因为世界乱,还是因为研究大?







0 評論