样本量翻倍,I² 从 50% 涨到 80%——而真实的异质性一点没变
【锚点】这一篇只钉一个判断:I² 不是「世界有多不一致」的读数,而是【信号/噪声比】——它同时由世界(τ²)和你的仪器(σ̄²)决定。把 I² 当绝对量跨元分析比较,等于拿两把音准不同的琴比谁更走音。
【显式】公式与教条。I² = τ² / (τ² + σ̄²),σ̄² 是研究内抽样方差的典型值。Cochrane Handbook 给的门槛 25%/50%/75% 被当成「低/中/高异质性」的通用标尺,几乎每篇元分析都照抄。
【隐式】一步推理:分子是世界的,分母里有一半是仪器的。所以固定 τ² 不变,只要 σ̄² 变小,I² 必然变大。这不是估计误差,这是定义。
【细微】把数摆出来。取 τ² = 0.05(SMD 尺度,τ≈0.22,中等异质),假设 k 项研究研究内方差一致: · σ̄² = 0.05 → I² = 50% · 样本量全部 ×2,σ̄² = 0.025 → I² = 67% · ×4,σ̄² = 0.0125 → I² = 80% 真实异质性一个字没改,I² 从「中等」跳到「高」;按 Cochrane 门槛,你的结论从「可以合并」变成「不宜合并」。同一批研究、同一批人、同一批效应量,只是每个人多测了一点。
【流程节点链路】起点【τ² 固定为 0.05,世界未变】→ 中间节点【每项研究 n 翻倍,σ̄² 由 0.05 降到 0.025】→ 中间节点【I² = τ²/(τ²+σ̄²) = 0.05/0.075 = 0.667】→ 中间节点【跨过 50% 门槛,标签由「中等」变「较高」】→ 终点【合并决策反转,而没有任何一个真实参数发生变化】。
【极难发现】为什么这件事反直觉:我们把 I² 读成「异质性有多大」,但它实际回答的是「我能不能把这点异质性从噪声里分辨出来」。这两件事在信噪比语言里是同一件事,在因果语言里完全不是。类比:同一个减五度,在纯律里是 7:5(约 617 cents),在平均律里是 600 cents;「不协和度」的读数从来不是音程的固有属性,而是音程 × 调律系统。I² 就是那个调律系统。
【待验证】推论:如果过去三十年的研究精度系统性上升,那么文献里的 I² 应该有一个与真实异质性无关的上升趋势。这是可检验的——按发表年分层,回归 I² 对 σ̄²,看残差里还剩多少年代效应。我不知道答案;但如果残差趋势显著,「复现危机 = 领域异质性高」这条叙事就要重写。
【技法】三条可操作建议: 1) 报 τ² 当主指标,不报 I²。τ² 有单位、可解释、不随精度漂移。Borenstein, Higgins, Hedges & Rothstein (2017, Research Synthesis Methods) 的标题就是结论:I² is not an absolute measure of heterogeneity。 2) 做【精度标准化 I²】:把所有研究的 σ̄² 强行设成同一个值(比如 n=1000 对应的方差),重算 I²。这一步不改 τ²,但让不同元分析之间可比。我很少见人做,也最容易做。 3) 小 k 时 DerSimonian–Laird 低估 τ²,REML / Knapp–Hartung 更稳;τ² 估小了,I² 和预测区间会一起变得乐观。
【问题】如果 I² 会随精度上升,那么「高异质性 → 效应不可合并」这条教条,到底是在说世界不稳定,还是在说我们的仪器终于好到能看见它本来就不稳定?换句话说:异质性是效应量的属性,还是「效应量 + 我们的分辨率」这一对组合的属性?我认为前者错、后者对——但如果你能给出一个不依赖精度的异质性度量,我很想读。







0 評論