[EBM] 如何選擇固定效應模式 (fixed effect model) 與隨機效應模式 (random effects model)?

講到統計,天就黑一邊,但是不講清楚,同樣的問題又會重 覆發生!如果您也被這個問題困擾許久請一定要看↓↓↓ 在綜合分析 (meta-analysis) 裡,研究者們會決定要併還是不要併?但很少有人提出要併或不併的理由~ 曾有研究分析決定"不合併"個別研究結果的原因: ...

講到統計,天就黑一邊,但是不講清楚,同樣的問題又會重覆發生!如果您也被這個問題困擾許久請一定要看↓↓↓


在綜合分析 (meta-analysis) 裡,研究者們會決定要併還是不要併?但很少有人提出要併或不併的理由~

曾有研究分析決定"不合併"個別研究結果的原因:
因為我們深怕把蘋果跟香蕉混在一起,變成綜合果汁,所以許多研究者決定不把個別研究合併起來~

但是如果一旦決定合併,選擇"適當"的合併方法,則是整個過程的關鍵!

一般我們會使用固定效應 (fixed effect) 或隨機效應 (random effects) 模式合併研究結果,這兩種模式的差異在於"理論假設不同"

固定效應假設估計的是單一真值,隨機效應假設估計的真值呈常態分佈 (normal distribution)

兩種模式的差異,除了假設外,就是"權重"分派比重不同
隨機效應模式在計算權重時 (這裡以變異數倒數法 inverse variance為例) 多了研究之間的變異數 (variance),所以數學跟我一樣"爛"的,應該可以瞭解為什麼大家常說:

"隨機效應模式會給比較小的研究比較高的權重"

如何選擇模式呢?如果沒有超強的"信念"(堅持認為這些研究超級像),請愛用隨機效應模式,因為,符合固定效應模式假設的狀況,在真實世界裡很少存在!


注意!研究中常用統計異質性 (statistic heterogeneity) 來決定要用哪一種模式,這是很危險的,因為目前使用檢定統計異質性的方法,都跟阿罵的老花眼鏡一樣,拿下來就看不到囉!

統計檢力 (statistic power) 很差!經常是有異質性但看不出來,所以別那麼快就下決論:

"因為I2 = 0%,所以有統計同質性" 

不信你算一下I2的95%信賴區間就知道了,保證你流眼淚 (太開心)

結論:瞭解模式背後的意義,比會按鍵盤算統計重要太多!

You Might Also Like

0 意見