原文链接：http://tecdat.cn/?p=6330

原文出处：拓端数据部落公众号

Meta分析是综合现有证据的重要工具。它通常用于医学和临床环境中，以评估关于治疗或暴露对感兴趣结果的影响的现有证据。基本思想是将先前研究中感兴趣的影响的估计汇总在一起。在进行Meta分析时必须做出的选择是固定效应和随机效应之间的选择。在这篇文章中，我们将看看这种选择的一些后果，实际上研究正在测量不同的效果。

设置

我们假设我们对n个研究对我们感兴趣的影响进行了估计。

固定效应Meta分析

在固定效应荟萃分析中，我们假设所包含的每项研究都在估计相同的基础参数。

随机效应Meta分析

相比之下，在随机效应荟萃分析中，我们假设每项研究都在估计研究特定的真实效果。观察到的估计异质性归因于两个来源：1）研究之间的真实效应异质性，以及2）研究内抽样误差。

固定与随机效应Meta分析

我们使用哪种方法会影响我们获得的估计总体效果及其相应的95％置信区间，因此决定哪种方法适合在任何给定情况下使用是很重要的。我个人认为，这个决定应该基于对成分研究的了解，而不是基于实际查看点估计。

两种方法之间的另一个明显差异是，固定效应荟萃分析的计算标准误差小于随机效应荟萃分析的计算标准误差。这可能会使研究人员相信固定效应估计更精确。

R中的模拟研究

为了进行模拟研究，我们将模拟30项研究的重复荟萃分析。

然后，我们执行固定效应和随机效应荟萃分析。代码如下所示：

fixedEffectEsts < -  array（0，dim = c（nSims））
fixedCI < -  array（0，dim = c（nSims，2））
randomEffectEsts < -  array（0，dim = c（nSims））
randomCI < -  array（0，dim = c（nSims，2））for（i in 1：nSims）{trueEffects < -  rnorm（nStudies，mean = 1，sd = 0.1）#sample在研究标准偏差范围内withinStudySD < -  rgamma（nStudies，shape = 2.5，scale = 0.04）studyEstimate < -  rnorm（nStudies，mean = trueEffects，sd = withinStudySD）#fixed effects meta-analysismaFixed < -  （studyEstimate~1，S = withinStudySD ^ 2，method =“fixed”）fixedEffectEsts [i] < -  coef（maFixed）fixedCI [i，] < -  c（coef（maFixed）-1.96 * maFixed $ vcov ^ 0.5，coef（maFixed）+ 1.96 * maFixed $ vcov ^ 0.5）#random-effects元分析maRandom < -  （studyEstimate~1，S = withinStudySD ^ 2，method =“mm”）randomEffectEsts [i] < -  coef（maRandom）randomCI [i，] < -  c（coef（maRandom）-1.96 * maRandom $ vcov ^ 0.5，coef（maRandom）+ 1.96 * maRandom $ vcov ^ 0.5）
}

#ci覆盖范围

mean（（fixedCI [，1] <1）＆（fixedCI [，2]> 1））
mean（（randomCI [，1] <1）＆（randomCI [，2]> 1））

R代码的最后几行计算1000次模拟中固定和随机效应估计的平均值和SD，然后计算95％置信区间的覆盖范围。当我运行我获得的代码时：

> mean（fixedEffectEsts）
[1] 0.9990649
> sd（fixedEffectEsts）
[1] 0.04939415
>
> mean（randomEffectEsts）
[1] 1.000967
> sd（randomEffectEsts）
[1] 0.0242558
>
> #置信区间
> mean（（fixedCI [，1] <1）＆（fixedCI [，2]> 1））
[1] 0.322
> mean（（randomCI [，1] <1）＆（randomCI [，2]> 1））
[1] 0.926

首先要注意的是，固定效应方法仍然是无偏的，即使数据是基于随机效应模型进行模拟的。然而，我们发现固定效应方法的SD要大得多（随机效应为0.049对0.024）。或者换句话说，随机效应估计器是一种更精确的估计。

对这种明显矛盾的解释是，当实际存在研究异质性之间时，由固定效应方法计算的标准误差是无效的。

结论

我从这个小型模拟研究中得出的结论是，应该警惕使用固定效应分析，除非人们相信meta分析中的研究正在估计相同的共同效应。

拓端tecdat|R语言中固定与随机效应Meta分析 - 效率和置信区间覆盖相关推荐

R语言中固定与随机效应Meta分析 - 效率和置信区间覆盖
Meta分析是综合现有证据的重要工具. 我们围绕Meta技术进行一些咨询,帮助客户解决独特的业务问题.它通常用于医学和临床环境中,以评估关于治疗或暴露对感兴趣结果的影响的现有证据.基本思想是将先前研究 ...
拓端tecdat|R语言逻辑回归（Logistic回归）模型分类预测病人冠心病风险
最近我们被客户要求撰写关于冠心病风险的研究报告,包括一些图形和统计输出. 相关视频:R语言逻辑回归(Logistic回归)模型分类预测病人冠心病风险逻辑回归Logistic模型原理和R语言分类预测冠 ...
拓端tecdat|R语言用LOESS(局部加权回归)季节趋势分解（STL）进行时间序列异常检测
最近我们被客户要求撰写关于LOESS(局部加权回归)的研究报告,包括一些图形和统计输出. 这篇文章描述了一种对涉及季节性和趋势成分的时间序列的中点进行建模的方法.我们将对一种叫做STL的算法进行研究, ...
拓端tecdat|R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
最近我们被客户要求撰写关于向量误差修正模型的研究报告,包括一些图形和统计输出. 向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的.但是,经济理论认为,经济变量之间在水平上存在着均衡关系,可以 ...
拓端tecdat|R语言线性回归和时间序列分析北京房价影响因素可视化案例
最近我们被客户要求撰写关于北京房价影响因素的研究报告,包括一些图形和统计输出. 目的房价有关的数据可能反映了中国近年来的变化: 人们得到更多的资源(薪水),期望有更好的房子人口众多独生子女政策: ...
R语言中的广义线性模型（GLM）和广义相加模型（GAM）：多元（平滑）回归分析保险资金投资组合信用风险敞口
最近我们被客户要求撰写关于信用风险敞口的研究报告,包括一些图形和统计输出. 在之前的课堂上,我们已经看到了如何可视化多元回归模型(带有两个连续的解释变量).在此,目标是使用一些协变量(例如,驾驶员的年 ...
在r语言中使用GAM（广义相加模型）进行电力负荷时间序列分析
广义相加模型(GAM:Generalized Additive Model),它模型公式如下:有p个自变量,其中X1与y是线性关系,其他变量与y是非线性关系,我们可以对每个变量与y拟合不同关系,对X2 ...
二次拟合r方_拟合R语言中的多项式回归
原标题:拟合R语言中的多项式回归让我们看一个经济学的例子:假设你想购买一定数量q的特定产品.如果单价是p,那么你会支付总金额y.这是一个线性关系的典型例子.总价格和数量成正比. 如下所示: 但购买和 ...
拓端tecdat|bilibili视频流量数据潜望镜
最近我们被客户要求撰写关于bilibili视频流量的研究报告,包括一些图形和统计输出. 最新研究表明,中国有超过7亿人在观看在线视频内容.Bilibili,被称为哔哩哔哩或简称为B站,是中国大陆第二个 ...
技巧 | 在R语言中使用高德地图的API进行地理/逆地理编码（地址与经纬度的相互转换）...
高德地图和百度地图都提供了坐标拾取系统,通过坐标查询或坐标反查操作可以查询一个地址对应的经纬度或经纬度对应的地址名称.但是,手动查询的方式效率很低,也不能进行批量查询. 本篇就来介绍在R语言中调用高德 ...

拓端tecdat|R语言中固定与随机效应Meta分析 - 效率和置信区间覆盖