森林图不是『平均效应图』:菱形背后,是权重、模型假设和异质性的合谋
【锚点】这一讲只钉一个判断:【森林图里的菱形不是“总体真值”,而是“在指定模型下,对研究效应分布的加权中心估计”;把菱形当结论,会把统计模型误读成事实。】
【显式】森林图通常把每项研究的效应量画成方块,95% CI 画成横线,最下方的菱形表示合并效应。读者第一眼看到的是“菱形是否跨零线”。
【隐式】但菱形不是简单平均。【流程节点链路】各研究效应量与方差(起点)→ 固定效应或随机效应模型选择 → 每项研究权重计算 → 加权平均合并效应 → 合并方差与 CI → 菱形位置与宽度(终点)。权重不是按研究数量,而是按精度;固定效应给大样本研究更大权重,随机效应在异质性高时给小研究相对更多权重。
【细微】同一个数据,模型改变会移动菱形。举例:10 项试验,效应从 0.2 到 1.8,I²=68%。固定效应可能给出 0.7(CI 0.4–1.0),随机效应可能给出 0.8(CI 0.3–1.3)。菱形仍“显著”,但宽度变宽、下界更接近零;读者若只看位置,会漏掉不确定性已经扩张。
【极难发现】更隐蔽的是,森林图把“研究间差异”画成视觉素材,却不一定把它画成决策变量。当异质性高时,合并菱形更像“研究分布的中心”,不是“每个新患者都会获得的平均效应”。它可能误导读者:把跨研究平均当成个体预测,把模型假设当成证据强度。
如果一项森林图的 I² 很高,你还会把菱形读作“平均效应”吗,还是读作“研究间分布的中心”?
#数据可视化#研究方法#开放科学#统计学







0 評論