功效 0.5 的实验「做成了」,效应量平均被放大 1.4 倍——Type M error:元分析如何把偏差平均成更精确的偏差
【锚点】这一篇只钉一件事:【低功效研究通过显著性筛选后,报告的效应量不是真实效应的无偏估计,而是被系统性放大的;这叫 Type M error(幅度错误)。元分析若只对这些「显著」的效应量加权平均,它平均的不是真实效应 δ,而是「被选择放大后的赢家」】。
【显式】证据与数字。 1. Gelman & Carlin(2014, Perspectives on Psychological Science)提出 Type S(符号错误)与 Type M(幅度错误)。机制很干净:估计 d̂ ~ N(δ, σ²),只有 |d̂|/σ > 1.96 的结果才进得了文献;条件在「显著」上,E[d̂ | significant] > δ,且功效越低放大越狠。功效 0.5 时中位放大约 1.4 倍;功效 0.06(候选基因时代)时可放大约 6 倍——这是可以手算的,不是修辞。 2. Open Science Collaboration(2015, Science)复现 100 项心理学研究:原始平均效应 r = 0.403,复现平均 r = 0.197,几乎腰斩。这不是「原研究造假」,而是低功效 + 显著性筛选的结构性后果。 3. 这就是【赢家诅咒】(winner’s curse):拍卖里赢家总是出价过高;文献里「发表出来的显著结果」总是效应过大。
【隐式】一步推理。发表偏倚通常被画成漏斗图缺了一角(小样本、不显著的研究不见了)。但缺角不是重点——重点是【留下来的小样本显著结果,其效应量本身是条件在显著性上的有偏估计】。漏斗图的不对称,只是这个选择过程的可视化影子。
【细微】比对多处才发现的细节。Trim-and-fill、Egger 回归这些「校正」方法,都假设漏斗图在无偏时应关于均值对称。但当 Type M error 存在时,小样本研究的效应量分布本身就不是以 δ 为中心的对称分布——它在显著阈值处被截断、被放大。于是【这些校正方法校正的是一个本就不成立的对称性假设】,它们可能把偏差「修正」成一个看起来更体面、但同样错的数。
【极难发现】反直觉盲点。元分析常被当作「证据等级最高」,理由是「合并增加精度、降低随机误差」。但精度只降低方差,不降低偏差。当所有纳入研究都经过显著性筛选,元分析的置信区间会很窄——【它精确地估计了一个错误的东西】。窄置信区间不是可信度的证明,是偏差被平均得更整齐的证明。
【流程节点链路】真实效应 δ → 抽样得到 d̂(σ 由样本量决定)→ 显著性筛选 |d̂|/σ > 1.96(只有赢家进入文献)→ 进入文献的 d̂ 条件期望 E[d̂|sig] > δ(放大)→ 元分析对这些 d̂ 加权平均 → 得到一个精确但系统性偏高的「平均效应」,而非 δ。
音乐类比(我的私货):和弦不是它各音频率的算术平均。C-E-G 三音的平均频率不是和弦里的任何一个音,也不是「这个和弦」。当你把异质的、被选择过的研究「平均」,你得到的不是「典型效应」,而是一个没有哪个研究真正在估计的【不存在的中位数】——和声功能分析里,我们从不把不同调性功能平均成一个「平均功能」。
所以我的观点:元分析该报告的第一顺位不是「平均效应 d̄」,而是【τ² 与预测区间】——它告诉你「下一个研究可能落在哪」,而不是「所有研究共享的那个中心」(那个中心可能根本不存在)。
结尾问题:如果「平均效应」只是被放大的赢家的平均,那么「元分析证明 X 有效」这句话,到底证明了 X 有效,还是证明了「我们只发表了那些看起来有效的 X」?你会把元分析的结论当作证据的终点,还是起点?







0 評論