我目前正在为我的综合考试做一个荟萃分析,并且几乎适合您正在讨论的同一模型:我可以从同一个研究中绘制多个效果大小。我不适合使用metafor
的多级元分析模型,因为它没有适当地捕捉相关的错误词汇。
我聚集了全国各地$ M = $ K = 240 $的影响大小:我在我的论文(仍然工作就可以了),所以这里是从我谱曲就如何解决这种情况的一个粗略的解释写了我的思考90美元的研究。表2 描述了跨研究的分布:一半的研究 报告多个效应大小,三个研究报告为多达15个效应大小的 。传统的元分析方法 假设所有的效果大小是相互独立的;这个假设在本分析中被严重违反,因为从相同参与者中抽取的大小相互依赖。
理想情况下,可以使用多变量荟萃分析来建模这些 依赖关系;然而,这要求元分析师在所有研究中访问所有测量的完全协方差矩阵 。这是 在许多设置[@ jackson2011multivariate], 不现实,特别是在一个文献的现有荟萃分析中,其中(a) 研究人员几乎没有发表该信息和(b)研究有 在70年的过程中发表,因此许多这类研究的作者获得这些信息是不可能的。
已提出多级元分析作为处理效应大小之间的未知依赖关系的方式[@cheung2014modeling; @ konstantopoulos2011fixed; @ van2013three。尽管有人认为 个体可以建模在1级,2级效应大小和 研究在3级[例如,@ cheung2014建模],三级 荟萃分析仍然假设残差在 集群[ @ tanner2016handling。 多个效果大小来自同一个参与者时,违反了这一假设。
当前“最先进的”[@ polanin2017review]对这些 依赖性进行建模并避免低估标准错误的方法是使用 稳健方差估计[RVE; @ hedges2010robust; @ tanner2016handling]。我使用RVE对 R软件包[@ fisher2015robumeta]中的 相关影响进行了我的元分析。
如上所述,我能够直接 尺寸从样本大小计算的效果的方差,但我不能够计算作用大小之间的协方差 。 RVE通过使用每项研究的残差交叉乘积来估算研究中效应量的方差 - 协方差矩阵,解决了这个问题。虽然每个研究中协方差矩阵的估计值不是很好,但随着研究数量接近无穷大[@ hedges2010robust],组合方差估计收敛于真实方差。
传统荟萃分析通过使用方差的倒数来计算权重效应的大小。 (a)研究中所有效应量的平均方差的倒数(假设效应量之间的恒定相关为 )(b)除以研究中的效应量的数量。这确保了一项研究不会因为获得更多的效应量而获得“额外”的体重。
此方法主要用于此元分析: 解释元回归系数。在使用RVE时,在其他元分析中发现的方差估计 (例如,$ Q,I^2,\ tau^2 $)不是精确的 。鉴于RVE的这个缺点 - 我的主要焦点在于解释元回归系数 - 我不会关注这些 估计值。
参考(从我的名为.bib文件,对不起,如果格式是烦人):
@article{jackson2011multivariate,
title={Multivariate meta-analysis: Potential and promise},
author={Jackson, Dan and Riley, Richard and White, Ian R},
journal={Statistics in Medicine},
volume={30},
number={20},
pages={2481--2498},
year={2011},
publisher={Wiley Online Library}
}
@article{cheung2014modeling,
title={Modeling dependent effect sizes with three-level meta-analyses: A structural equation modeling approach},
author={Cheung, Mike W L},
journal={Psychological Methods},
volume={19},
number={2},
pages={211--229},
year={2014}
}
@article{konstantopoulos2011fixed,
title={Fixed effects and variance components estimation in three-level meta-analysis},
author={Konstantopoulos, Spyros},
journal={Research Synthesis Methods},
volume={2},
number={1},
pages={61--76},
year={2011},
publisher={Wiley Online Library}
}
@article{van2013three,
title={Three-level meta-analysis of dependent effect sizes},
author={Van den Noortgate, Wim and L{\'o}pez-L{\'o}pez, Jos{\'e} Antonio and Mar{\'\i}n-Mart{\'\i}nez, Fulgencio and S{\'a}nchez-Meca, Julio},
journal={Behavior Research Methods},
volume={45},
number={2},
pages={576--594},
year={2013},
publisher={Springer}
}
@article{tanner2016handling,
title={Handling complex meta-analytic data structures using robust variance estimates: A tutorial in {R}},
author={Tanner-Smith, Emily E and Tipton, Elizabeth and Polanin, Joshua R},
journal={Journal of Developmental and Life-Course Criminology},
volume={2},
number={1},
pages={85--112},
year={2016},
publisher={Springer}
}
@article{polanin2017review,
title={A Review of Meta-Analysis Packages in {R}},
author={Polanin, Joshua R and Hennessy, Emily A and Tanner-Smith, Emily E},
journal={Journal of Educational and Behavioral Statistics},
volume={42},
number={2},
pages={206--242},
year={2017},
publisher={SAGE Publications Sage CA: Los Angeles, CA}
}
@article{hedges2010robust,
title={Robust variance estimation in meta-regression with dependent effect size estimates},
author={Hedges, Leon V and Tipton, Elizabeth and Johnson, Matthew C},
journal={Research synthesis methods},
volume={1},
number={1},
pages={39--65},
year={2010}
}
@article{fisher2015robumeta,
title={robumeta: An {R}-package for robust variance estimation in meta-analysis},
author={Fisher, Zachary and Tipton, Elizabeth},
journal={arXiv preprint arXiv:1503.02220},
year={2015}
}
都是基于相同的参与者的影响的大小?也就是说,同一篇文章中的效果大小是否共享相同的参与者? (一个参与者是否提供多种效果大小)? –
是的,同一篇文章中的多种效果大小通常基于同一组参与者。谢谢! – Owen