Ten typ danych jest znany jako zależne wielkości efektów. Do obsługi zależności można zastosować kilka metod. Poleciłbym stosowanie trzystopniowej metaanalizy (Cheung, 2014; Konstantopoulos, 2011; Van den Noortgate i in. 2013). Rozkłada wariację na niejednorodność poziomu 2 i 3. W twoim przykładzie heterogeniczność poziomu 2 i 3 odnosi się do heterogeniczności wynikającej z podskal i badań. Pakiet metaSEM ( http://courses.nus.edu.sg/course/psycwlm/Internet/metaSEM/ ) zaimplementowany w R zapewnia funkcje do przeprowadzania trzypoziomowej metaanalizy. Na przykład,
## Your data
d <- round(rnorm(5,5,1),2)
sd <- round(rnorm(5,1,0.1),2)
study <- c(1,2,3,3,3)
subscore <- c(1,1,1,2,3)
my_data <- as.data.frame(cbind(study, subscore, d, sd))
## Load the library with the data set
library(metaSEM)
summary( meta3(y=d, v=sd^2, cluster=study, data=my_data) )
Dane wyjściowe to:
Running Meta analysis with ML
Call:
meta3(y = d, v = sd^2, cluster = study, data = my_data)
95% confidence intervals: z statistic approximation
Coefficients:
Estimate Std.Error lbound ubound z value Pr(>|z|)
Intercept 4.9878e+00 4.2839e-01 4.1482e+00 5.8275e+00 11.643 < 2.2e-16 ***
Tau2_2 1.0000e-10 NA NA NA NA NA
Tau2_3 1.0000e-10 NA NA NA NA NA
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Q statistic on homogeneity of effect sizes: 0.1856967
Degrees of freedom of the Q statistic: 4
P value of the Q statistic: 0.9959473
Heterogeneity indices (based on the estimated Tau2):
Estimate
I2_2 (Typical v: Q statistic) 0
I2_3 (Typical v: Q statistic) 0
Number of studies (or clusters): 3
Number of observed statistics: 5
Number of estimated parameters: 3
Degrees of freedom: 2
-2 log likelihood: 8.989807
OpenMx status1: 1 ("0" and "1": considered fine; other values indicate problems)
W tym przykładzie oszacowania niejednorodności poziomu 2 i poziomu 3 są bliskie 0. Można również uwzględnić zmienne towarzyszące poziomu 2 i poziomu 3 w celu modelowania niejednorodności. Więcej przykładów trzypoziomowej metaanalizy dostępnych jest na stronie http://courses.nus.edu.sg/course/psycwlm/Internet/metaSEM/3level.html
Bibliografia
Cheung, MW-L. (2014). Modelowanie zależnych wielkości efektów za pomocą trzypoziomowych metaanaliz: podejście do modelowania równań strukturalnych . Metody psychologiczne , 19 (2), 211–29. doi: 10.1037 / a0032968
Konstantopoulos, S. (2011). Naprawiono szacowanie składników efektów i wariancji w trzypoziomowej metaanalizie. Research Synthesis Methods , 2 (1), 61–76. doi: 10.1002 / jrsm.35
Van den Noortgate, W., López-López, JA, Marín-Martínez, F., i Sánchez-Meca, J. (2013). Trzystopniowa metaanaliza zależnych wielkości efektów. Behaviour Research Methods , 45 (2), 576–594. doi: 10,3758 / s13428-012-0261-6