metafor sıfır varyans düzeyi 2
Etki boyutlarının (esid) çalışmalar içinde kümelendiği (çalışma kimliği) metafor (rma.mv) ile 3 seviyeli bir meta-analiz için 2. seviyede sıfır varyansla karşılaşıyorum. İşte benim veri çerçevem:
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)
İşte metafor kodum ve çıktım:
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
Ham efekt boyutlarının görsel incelemesi, çalışmalar içinde farklılıklar olduğunu gösterir, bu nedenle verilerimde (veya kodumda) neyin yanlış olduğundan emin değilim. Topluluğun çözümleriyle ilgili her türlü rehberliği takdir ediyorum
Yanıtlar
Çalışmalar arasında gerçekten büyük farklılıklar vardır, ancak çalışmalar içindeki tahminler, yalnızca örnekleme değişkenliğine bağlı olarak beklenenden daha fazla değişiklik göstermemektedir. Görmek:
forest(overall, efac=c(0,0.5))
abline(h=nrow(df) - cumsum(rle(df$studyid)$length) + 0.5, lty="dotted")
Bu nedenle, çalışma içi varyans tahmini esasen 0 iken, çalışma arası varyans tahmininin çok büyük olması bana tamamen mantıklı görünüyor.