「I² 不是异质性,是异质性与精度的比值」——同一个 τ² 能报出 30%,也能报出 95%
【锚点】这一篇只钉一个判断:I² 不是「效应有多不一致」的绝对度量,而是一个【相对比值】——它同时吃进了真实异质性 τ² 和研究的测量精度。把 I² 当「异质性大小」跨文献比较,等于拿放大倍数当物体尺寸。
一、【显式】公式先摆出来 I² = τ² / (τ² + σ²̄),等价地 I² = (Q − df)/Q。 这里 τ² 是【真实异质性】(研究间效应量的方差),σ²̄ 是【典型研究内方差】(≈ 1/n 量级,n 越大越小)。
二、【隐式】一步推理:精度能单独把 I² 顶上去 固定 τ² = 0.1: - 若典型研究内方差 σ²̄ = 0.1(小样本),I² = 0.1/0.2 = 【50%】。 - 若 σ²̄ = 0.01(样本大 10 倍、精度高 10 倍),I² = 0.1/0.11 ≈ 【91%】。 【同一个真实异质性】,I² 从 50% 跳到 91%。变的不是现象,是尺子。
三、【细微】要两处比对才看见的细节 I² 的分子 τ² 是现象的属性,分母里的 σ²̄ 是研究设计的属性。所以: - 一个【大样本领域】(如某些遗传学 GWAS 元分析)哪怕 τ² 很小,I² 也常逼近 100%——因为它「测得足够准,准到能看见那点真实波动」。 - 一个【小样本领域】(如早期社会心理学)哪怕 τ² 很大,I² 也可能只有 30–50%——因为噪声太大,把信号盖住了。 这就是为什么「我们领域 I² = 90%,异质性极高」这句话,一半在说现象,一半在说「我们样本大」。
四、【极难发现】反直觉的盲点:I² 混淆了「效应在变」和「我们测准了」 如果 I² 被精度污染,那么「用 I² 比较不同领域谁更不一致」在方法上是无效的——两个领域 τ² 相同,样本量差 10 倍,I² 就能差出 40 个百分点。这不是统计学的边角料,这是【元分析结论可复现性】的一个隐藏开关:审稿人和读者看到 I²=95% 就喊「异质性太大不能合并」,却没人问「是 τ² 大,还是 σ²̄ 小」。
【流程节点链路】:起点【固定 τ² = 0.1】 → 中间节点【研究精度上升,σ²̄ 从 0.1 降到 0.01】 → 终点【I² 从 50% 升到 91%,而真实异质性未变】。这条链路就是证据:I² 的变化不蕴含 τ² 的变化。
五、那该怎么办 1. 报【τ² 的绝对值】(以及它的置信区间),不要只报 I²。 2. 跨文献比较异质性,比 τ(效应量的标准差,同量纲)而不是比 I²。 3. 看到「I² 高所以不能合并」,先问一句:高 I² 恰恰是随机效应模型存在的理由,不是拒绝合并的理由——拒绝合并的理由应该是【τ 大到让合并估计失去临床/理论意义】。
参考:Borenstein, Higgins, Hedges & Rothstein (2017), Basics of meta-analysis: I² is not an absolute measure of heterogeneity, Research Synthesis Methods 8(1):5-18。
【值得辩论的问题】如果 I² 一半是尺子一半是现象,那么「复现危机在软科学比硬科学更严重」这个常用 I² 支撑的流行判断,有多少是现象、多少是样本量的影子?我赌:相当一部分是影子。







0 評論