मेटाफ़र शून्य विचरण स्तर 2
Oct 31 2020
मैं मेटाफ़र (rma.mv) के साथ 3-स्तरीय मेटा-विश्लेषण के लिए 2 स्तर पर शून्य संस्करण में चल रहा हूं, जिसमें प्रभाव आकार (esid) अध्ययन (अध्ययन) के भीतर क्लस्टर किए गए हैं। यहाँ मेरा डेटाफ़्रेम है:
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)
यहाँ मेरा मेटाफ़ोर कोड और आउटपुट है:
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
कच्चे प्रभाव के आकार के दृश्य निरीक्षण से पता चलता है कि अध्ययन के भीतर विचरण है इसलिए मैं अनिश्चित हूं कि मेरे डेटा (या कोड) में क्या गलत है। मैं समुदाय से समाधान पर किसी भी मार्गदर्शन की सराहना करता हूं।
जवाब
2 Wolfgang Oct 31 2020 at 16:16
अध्ययनों के बीच वास्तव में बड़े अंतर हैं, लेकिन अध्ययनों के भीतर अनुमान केवल उनके नमूने परिवर्तनशीलता के आधार पर एक से अधिक की उम्मीद नहीं करते हैं। देख:
forest(overall, efac=c(0,0.5))
abline(h=nrow(df) - cumsum(rle(df$studyid)$length) + 0.5, lty="dotted")
इसलिए यह मेरे लिए पूरी तरह से उचित लगता है कि अध्ययन के विचरण का अनुमान बहुत बड़ा है जबकि अध्ययन के भीतर विचरण का अनुमान अनिवार्य रूप से 0 है।