Obecnie pracuję nad metaanalizą, dla której muszę przeanalizować wiele rozmiarów efektów zagnieżdżonych w próbkach. Opieram się na trzypoziomowym metaanalizie Cheunga (2014) do metaanalizy zależnych rozmiarów efektów, w przeciwieństwie do niektórych innych możliwych strategii (np. Ignorowanie zależności, uśrednianie wielkości efektów w badaniach, wybór jednego rozmiaru efektu lub przesunięcie jednostki analizy). Wiele z moich zależnych wielkości efektów to korelacje, które zawierają dość charakterystyczne (ale powiązane ze sobą) zmienne, więc uśrednianie ich nie ma sensu pojęciowego, a nawet gdyby tak było, zmniejszyłbym moją całkowitą wielkość efektów do analizy o prawie połowę.
Jednocześnie jednak jestem również zainteresowany zastosowaniem metody Stanleya i Doucouliagosa (2014) w celu wyeliminowania stronniczości publikacji w trakcie szacowania efektu metaanalitycznego. W skrócie, albo pasuje do modelu meta-regresji przewidującego rozmiary efektu badania według ich odpowiednich wariancji (test efektu precyzyjnego lub PET), albo ich odpowiednich błędów standardowych (oszacowanie efektu precyzji z błędami standardowymi lub PEESE). W zależności od znaczenia przechwytywania w modelu PET, albo używa się przechwytywania z modelu PET (jeśli przechwytywanie PET p > 0,05) lub modelu PEESE (jeżeli przechwytywanie PET p jako szacunkową publikację <0,05) średnia wielkość efektu bez uprzedzeń.
Mój problem wynika jednak z tego fragmentu Stanleya i Doucouliagosa (2014):
W naszych symulacjach zawsze uwzględniana jest nadmiar niewyjaśnionej heterogeniczności; dlatego zgodnie z konwencjonalną praktyką REE [estymatory efektów losowych] powinny być preferowane w stosunku do FEE [estymatory efektów stałych]. Jednak konwencjonalna praktyka jest błędna, jeśli istnieje wybór publikacji. Przy wyborze istotności statystycznej REE jest zawsze bardziej stronnicze niż FEE (Tabela 3). Ta przewidywalna niższość wynika z faktu, że REE sam w sobie jest średnią ważoną prostej średniej, która ma największy błąd systematyczny publikacji, i FEE.
Ten fragment prowadzi mnie do wniosku, że nie powinienem używać PET-PEESE w modelach metaanalitycznych efektów losowych / mieszanych, ale wydaje się, że wielopoziomowy model metaanalityczny wymaga estymatora efektów losowych.
Jestem rozdarta, co robić. Chcę być w stanie modelować wszystkie moje zależne wielkości efektów, ale jednocześnie korzystać z tej konkretnej metody korekcji błędów publikacji. Czy jest jakiś sposób, aby legalnie zintegrować 3-poziomową strategię metaanalizy z PET-PEESE?
Bibliografia
Cheung, MWL (2014). Modelowanie zależnych wielkości efektów za pomocą trzypoziomowych metaanaliz: podejście do modelowania równań strukturalnych. Metody psychologiczne , 19 , 211–229.
Stanley, TD i Doucouliagos, H. (2014). Przybliżenia meta-regresji w celu zmniejszenia stronniczości wyboru publikacji. Research Synthesis Methods , 5 , 60-78.