metafor cero varianza nivel 2
Me encuentro con una varianza cero en el nivel 2 para un metanálisis de 3 niveles con metafor (rma.mv) en el que los tamaños del efecto (esid) se agrupan dentro de los estudios (studyid). Aquí está mi marco de datos:
studyid <- c(1,1,1,1,3,3,4,5,5,5,5,6,6,7,7,7,7,7,7,7,7,8,8,9,10,10,10,10,11,11,11,11,12,12,13,13,14,14,
15,15,18,18,18,18,19,19,19,20,20,20,20,21,21,21,21,22,22,22,23,23,23,24,24,25,28,28,28,
29,29,30,30,30,31,32,32,34,34)
esid <- c(1:77)
yi <- c(4.20,2.90,2.70,3.90,1.40,0.80,11.40,5.00,21.50,20.84,28.73,7.40,4.00,1.38,0.47,1.44,0.46,1.63,
0.46,0.67,0.41,9.24,9.27,8.80,27.30,22.83,18.25,20.08,0.94,0.97,0.77,0.88,14.00,10.40,0.52,0.86,
29.39,33.82,15.30,15.92,45.60,63.10,46.40,44.60,0.10,0.11,0.12,0.17,0.26,0.26,0.31,8.20,1.80,
1.70,9.58,10.15,8.05,0.53,18.95,17.44,23.50,12.62,15.62,4.60,35.10,44.85,33.30,13.30,11.90,0.34,
0.35,0.26,0.69,0.50,0.62,23.80,20.40)
vi <- c(2.90,2.20,2.10,3.00,2.00,1.00,11.03,8.49,16.97,20.00,26.06,3.70,4.00,0.47,0.33,0.74,0.36,0.75,
0.33,0.44,0.37,7.60,5.63,8.80,12.01,13.15,14.41,11.57,0.57,0.76,0.43,0.62,3.50,3.00,0.59,0.65,
10.00,11.30,6.20,6.44,23.04,27.68,17.54,13.04,0.22,0.25,0.24,0.17,0.42,0.17,0.28,7.20,2.00,2.10,
10.08,5.30,3.75,0.68,6.70,6.53,5.74,13.91,31.65,4.10,7.54,12.81,5.28,8.20,7.70,0.25,0.28,0.19,
0.56,0.46,0.37,23.10,15.90)
df <- data.frame(authoryr,studyid,esid,yi,vi)
Aquí está mi metafor código y salida:
overall <- rma.mv(yi, vi,
data = df,
level = 95,
method = "REML",
slab = authoryr,
tdist = TRUE,
random = list(~ 1 | esid,
~ 1 | studyid))
summary(overall)
Multivariate Meta-Analysis Model (k = 77; method: REML)
logLik Deviance AIC BIC AICc
-229.2872 458.5745 464.5745 471.5667 464.9078
Variance Components:
estim sqrt nlvls fixed factor
sigma^2.1 0.0000 0.0000 77 no esid
sigma^2.2 147.3645 12.1394 28 no studyid
Test for Heterogeneity:
Q(df = 76) = 1930.1990, p-val < .0001
Model Results:
estimate se tval pval ci.lb ci.ub
10.7087 2.3165 4.6229 <.0001 6.0951 15.3224 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
La inspección visual de los tamaños del efecto sin procesar sugiere que existe una variación dentro de los estudios, por lo que no estoy seguro de qué está mal con mis datos (o código). Agradecería cualquier orientación sobre soluciones de la comunidad.
Respuestas
Hay diferencias realmente grandes entre los estudios, pero las estimaciones dentro de los estudios no varían más de lo que cabría esperar en función de su variabilidad muestral únicamente. Ver:
forest(overall, efac=c(0,0.5))
abline(h=nrow(df) - cumsum(rle(df$studyid)$length) + 0.5, lty="dotted")
Por lo tanto, me parece perfectamente razonable que la estimación de la varianza entre estudios sea muy grande, mientras que la estimación de la varianza dentro del estudio sea esencialmente 0.