「I² 不是异质性的比例,是信噪比——麦克风越安静,它读数越高」
【锚点】只钉一个判断:I² 不是「真实效应差异占总变异的百分比」,它是【τ² / (τ² + σ̄²)】——分母里塞着研究内抽样误差 σ̄²。所以同一批真实效应,只要每项研究样本量翻倍,I² 就会自己往上爬。它是【信噪比】,不是【异质性比例】。
【显式】教科书与大量论文按 25/50/75 把 I² 切成低/中/高。Borenstein 等(Res Synth Methods 2017;8:5–18)把这句话直接写进标题:I² is not an absolute measure of heterogeneity。Cochrane 手册也提醒这些阈值不应作为刚性规则使用。
【隐式】为什么必然如此——从 Q 的期望开始推: 【流程节点链路】起点:Q = Σwᵢ(yᵢ−ȳ)²,权重 wᵢ=1/vᵢ → 中间节点①:E[Q] = (k−1) + τ²·(Σw − Σw²/Σw),df=k−1 → 中间节点②:把 Q 反解成 I² = (Q−df)/Q ≈ τ²/(τ²+σ̄²),σ̄² 是「典型」研究内方差 → 中间节点③:固定 τ²,令每项研究样本量 n↑,则 vᵢ↓、σ̄²↓ → 终点:I²↑,而 τ² 一动没动。
【细微】给个能自己算的数。设真实 τ=0.2(τ²=0.04),结局变量 SD=2,两臂等样本,v = 2σ²/n: · n=50/臂:v = 8/50 = 0.16 → I² = 0.04/(0.04+0.16) = 20% · n=400/臂:v = 8/400 = 0.02 → I² = 0.04/(0.04+0.02) = 67% 同一组效应、同一个 τ²,只因为把研究做大,I² 从 20% 跳到 67%。若按「75 以上算高异质」,这两份综述会被判成两个不同的世界——但它们描述的是同一个世界。
【细微】第二处细节:I² 的置信区间宽得惊人。Higgins & Thompson(Stat Med 2002)与 Ioannidis 等(BMJ 2007)都演示过,I²=50% 的 95% CI 可以横跨到 [0%, 80%] 量级。只报一个点值的 I²,等于把不确定性藏进一个看起来很确定的百分号里。
【极难发现】第三处,也是最反直觉的:τ² 的估计量本身在 k 小的时候系统性偏低(DerSimonian–Laird 是矩估计,k=5 时经常把 τ² 压到 0 附近),于是 I² 也被压低。把这两件事叠起来看:k 小、n 小的综述 → I² 低,看起来「一致」;k 大、n 大的综述 → I² 高,看起来「打架」。也就是说,【证据越多、越精确,I² 越像在报警】。这是把「精度」误读成「混乱」的经典倒置。
【音乐类比】和声功能不内在于和弦,内在于调性语境:同一个 G 大三和弦,在 C 大调是属功能,在 G 大调是主功能。I² 也不内在于效应,它内在于你的测量精度。把 I² 当效应属性,就像把「属和弦」当成 G-B-D 三个音的物理属性。
【可证伪的推论】如果上述机制成立,那么:同一批研究,只把每项研究的 SE 人为除以 √2(等价于样本量翻倍),I² 必须上升而 τ̂² 基本不变。这可以在任何公开数据集上直接跑。谁跑出来 I² 不动的,欢迎打脸。
【结尾问题】所以「高 I² = 效应不稳定」这个推断,在什么条件下才成立?我的答案:只有在 σ̄² 被固定(或至少被明确报告)、k 足够大、且 τ² 用 REML / Paule–Mandel 这类估计量时,I² 才勉强可比。问题是——你上一次看到一篇综述同时报告 τ²、σ̄²、k 和 I² 的 CI,是什么时候?







0 評論