「你的 95% CI 不含 0,但下一个研究的预测区间含 0」——随机效应 meta 分析里被省掉的那个 t 分位数
【锚点】这一篇只钉一件事:【meta 分析的 95% CI 回答的是「这 k 项研究所属总体的均值」,而这个总体在多数场合并不存在;下一个研究者真正能用的问句是「我再做一次,效应会落在哪」,那个区间叫预测区间(PI),而它几乎从不被报告】。
【显式】Higgins, Thompson & Spiegelhalter(2009, JRSS-A 172:137)与 Riley, Higgins & Deeks(2011, BMJ 342:d549)都主张常规报告 PI;IntHout 等(2016, BMJ Open 6:e010247)进一步主张用 t 分位数而非正态分位数,因为 τ² 本身是估出来的。公式:μ̂ ± t_{k−2, 0.975} · √(τ̂² + SE(μ̂)²)。
【一个可以手算的例子】5 项研究,每项 SE = 0.10(v = 0.01),观测效应 0.40 / 0.05 / 0.30 / 0.00 / 0.15。
【流程节点链路】起点:5 组 (y_i, v_i) → 节点1:固定效应均值 0.18(权重相等,各 100)→ 节点2:Q = Σ(y_i − 0.18)² / 0.01 = 11.30(df = 4)→ 节点3:I² = (11.30 − 4) / 11.30 = 64.6% → 节点4:DerSimonian–Laird τ̂² = (11.30 − 4) / (500 − 100) = 0.0183 → 节点5:随机效应权重 w* = 1/(0.01 + 0.0183) = 35.4(五项仍相等)→ 节点6:μ̂ = 0.18,SE(μ̂) = 1/√(5 × 35.4) = 0.075 → 节点7:三条区间在此分叉 → 终点:你报哪一条,决定了这篇 meta 分析是「显著有效」还是「证据不足」。
【三条区间,同一个 μ̂ = 0.18】
- z 分位数的 95% CI:0.18 ± 1.96 × 0.075 = [0.03, 0.33],【不含 0】。
- t₃ 分位数的 95% CI:0.18 ± 3.182 × 0.075 = [−0.06, 0.42],【含 0】。
- t₃ 分位数的 95% PI:0.18 ± 3.182 × √(0.0183 + 0.0056) = [−0.31, 0.67],【大幅含 0】。
【隐式】注意 t₃ = 3.182 是 1.96 的 1.62 倍。k = 5 时,仅仅换一个分位数,区间宽度就多出 62%;而 I² = 65% 在元分析里属于「中等偏高」,一点都不极端。也就是说,【多数已发表的随机效应 meta 分析的显著性,是正态近似借来的】。IntHout 等的模拟显示:k 小、τ² 大时,z 法的 I 类错误率可以到名义值的两倍以上。
【细微】真正反直觉的是 CI 与 PI 的渐近行为分道扬镳:
- k → ∞ 时,SE(μ̂) → 0,【CI 收缩到一点】,宽度趋于 0。
- 但 PI 的宽度趋于 2 × 1.96 × τ,【τ 是下限,不是可以靠加样本消掉的东西】。
【流程节点链路】起点:CI 宽度 ∝ 1/√k → 中间节点:PI 宽度 ∝ √(τ² + 1/(k·w̄)) → 终点:k 增大时 CI → 0,PI → 常数 2·1.96·τ。
结论很难看但必须说:【「再多做 50 个研究」能让均值估得更准,不能让你对下一个研究的预测更准】。想让 PI 变窄,只有一条路——把 τ² 压下去,也就是改变研究设计、人群、测量方式,让研究之间真的可比。这是设计问题,不是样本量问题。
【极难发现】这里藏着一个哲学逻辑的陷阱。随机效应模型把 μ 定义为一个「研究总体的均值」,而这个总体的成员资格由什么决定?由你检索到了谁、纳入了谁。k = 5 时,这个「总体」的边界完全是研究者建构的,μ 是一个【没有指称对象的参数】。PI 则不同:它是对一个可观测事件的概率陈述——「下一个同类研究的结果落在 [−0.31, 0.67]」——这句话【可以被下一个研究直接证伪】。
从可证伪性看,PI 是波普尔意义上的科学陈述,μ 的 CI 不是。这就是为什么我主张 PI 是 meta 分析的【默认输出】而非附录:它把「效应存在吗」这个不可判定的形而上学问题,翻译成「下一个研究会落在哪」这个可判定问题。
【但我要给自己的主张拆台】PI 不是免费的午餐,它有三个软肋:
- 它假设随机效应正态。k = 5 时这个假设【不可检验】,而 PI 的尾部恰恰由正态假设决定。用 t 分位数只补了 τ² 的不确定性,没补分布形状的不确定性。
- PI 宽 ≠ 效应不存在。一个 [−0.31, 0.67] 的 PI 与「效应可能是 0.3」完全相容。把宽 PI 读成「没效果」是把预测不确定性误读成点估计的虚无,这是另一种偷懒。
- 最狠的一条:如果纳入的 5 项研究都在同一批实验室、同一种测量、同一类被试,τ̂² 会【系统性偏小】,PI 会假性变窄,而它预测的那个「下一个研究」根本不在这个同质小圈子里。PI 的窄,可能只是【近亲繁殖的窄】。
【一个值得辩论的问题】如果我们接受「PI 才是给读者的区间」,那么大量以 CI 不含 0 作为主要结论的 meta 分析,结论需要重写——但不是全部推翻,而是【从「有效」降级为「方向一致但预测不确定」】。问题在于:这个降级在政策与临床决策里几乎不可操作,因为决策者要的是二值判断。
所以我的问题给同行:【当 PI 与 CI 冲突时,你选择报哪一个作为主结论?】如果你的答案是「都报」,那第二个问题更难——【读者会看哪一个?】我怀疑答案是「看那个支持他既有立场的」。如果是这样,PI 的加入不是增加了诚实,只是增加了可挑选的区间数量。
这就是我暂时停在的地方:PI 在方法论上是对的,在传播学上可能是有害的。我还没有解。







0 評論