grad-meta-analysis

后设分析（Meta-Analysis）

概述

后设分析通过统计方法合并多项独立研究的效应量，得出精确度和普遍性更高的汇总估计。它量化研究间的异质性并检验发表偏倚，从而提供严谨的证据综合，超越叙述性文献综述。

适用情形

• 综合多项针对同一研究问题的研究所得的定量结果
• 解决不同研究之间相互矛盾的结果
• 估算总体效应量，并缩小置信区间
• 找出能够解释研究间异质性的调节变量

不适用情形

• 各研究在构念、测量方法或研究人群方面差异过大，无法进行有意义的合并
• 可用研究少于 5 项（汇总估计将变得不可靠）
• 主要研究的研究设计存在根本差异（例如将随机对照试验与观察性研究混合）
• 研究问题属于定性或概念性问题，而非定量问题

假设

IRON LAW: A meta-analysis is only as good as the studies it includes —
garbage in, garbage out. Publication bias inflates pooled effect sizes
because non-significant findings go unpublished.

关键假设：

1. 各研究估计的是同一潜在构念（概念同质性）
2. 效应量在统计上相互独立（每项研究使用一个效应量，或使用多层模型）
3. 研究层面的调节变量编码可靠且不存在偏倚
4. 检索策略涵盖相关研究总体（不存在系统性遗漏）

方法

步骤 1 — 提取并编码效应量

将研究结果转换为统一的效应量指标（Cohen's d、Hedges' g、r、OR）。对研究层面的调节变量进行编码（样本量、设计、背景）。转换公式请参见 references/。

步骤 2 — 选择固定效应模型或随机效应模型

固定效应模型假设只有一个真实效应；随机效应模型假设效应在不同研究间有所变化。如果研究涵盖不同人群或背景，随机效应模型几乎总是更合适的选择。

步骤 3 — 评估异质性

计算 Q 统计量（同质性检验）、I²（异质性导致的方差比例）和 τ²（研究间方差）。I² > 75% 表明存在较大的异质性，值得进行调节变量分析。

步骤 4 — 检验发表偏倚并报告结果

使用漏斗图、Egger 回归检验和剪补法。报告汇总效应、CI、预测区间以及偏倚评估结果。

输出格式

## Meta-Analysis: [Research Question]

### Study Inclusion
| Criterion | Value |
|-----------|-------|
| Studies included (k) | xx |
| Total sample size (N) | xxxx |
| Effect size metric | [d / r / OR] |

### Pooled Effect Size
| Model | Effect | 95% CI | z | p-value |
|-------|--------|--------|---|---------|
| Fixed-effect | x.xx | [x.xx, x.xx] | x.xx | x.xx |
| Random-effects | x.xx | [x.xx, x.xx] | x.xx | x.xx |

### Heterogeneity
| Statistic | Value | Interpretation |
|-----------|-------|----------------|
| Q | x.xx (p = x.xx) | [significant/not] |
| I² | x.xx% | [low/moderate/high] |
| τ² | x.xx | [between-study variance] |

### Publication Bias
| Test | Result | Interpretation |
|------|--------|----------------|
| Funnel plot | [symmetric/asymmetric] | [bias suspected?] |
| Egger's test | p = x.xx | [significant?] |
| Trim-and-fill | adjusted effect = x.xx | [studies imputed: x] |

### Limitations
- [Note any assumption violations]

注意事项

• 混淆不同事物：统计上虽可行，但如果构念不同，在概念上就毫无意义
• 随机效应模型赋予小型研究更高权重，而这类研究的质量往往较低
• I² 取决于纳入研究的精确度；研究精确度低时，I² 较低并不意味着研究同质
• 漏斗图不对称可能由发表偏倚以外的因素造成（小型研究效应）
• 文件抽屉问题：未发表的无效结果系统性缺失
• 若子组数量多、每个子组中的研究数量少，调节变量分析的统计效能不足且结果不可靠

参考文献

• Borenstein, M., Hedges, L. V., Higgins, J. P. T., & Rothstein, H. R. (2009). Introduction to Meta-Analysis. Wiley.
• Higgins, J. P. T., & Thompson, S. G. (2002). Quantifying heterogeneity in a meta-analysis. Statistics in Medicine, 21(11), 1539-1558.
• Rothstein, H. R., Sutton, A. J., & Borenstein, M. (2005). Publication Bias in Meta-Analysis. Wiley.