현재 메타 분석을 진행 중이며 샘플에 중첩 된 여러 효과 크기를 분석해야합니다. 다른 가능한 전략 (예 : 의존도 무시, 연구 내 효과 크기 평균화, 하나의 효과 크기 선택 또는)과는 대조적으로 Cheung (2014)의 3 단계 메타 분석 접근법에 의존하여 종속 효과 크기를 메타 분석합니다. 분석 단위 이동). 내 의존 효과 크기의 대부분은 상관 관계가 상당히 독특하지만 (주제 적으로 관련된) 변수를 포함하므로 변수를 평균화하는 것은 개념적으로 의미가 없으며, 그렇게해도 내 총 효과 크기를 거의 절반으로 줄였습니다.
그러나 동시에 메타 분석 효과를 추정하는 과정에서 출판 편견을 해결하는 Stanley & Doucouliagos (2014)의 방법을 사용하는 데 관심이 있습니다. 간단히 말해서, 각각의 분산 (정밀 효과 테스트 또는 PET)에 의해 연구 효과 크기를 예측하는 메타 회귀 모델에 적합하거나 각각의 표준 오차 (표준 오차 또는 PEESE를 사용한 정밀 효과 추정)입니다. PET 모델에서 절편의 중요성에 따라 PET 모델 (PET 절편이 p > .05 인 경우) 또는 PEESE 모델 (PET 절편이 p <.05 인 경우)의 절편을 추정 된 간행물로 사용합니다. 바이어스없는 평균 효과 크기.
그러나 내 문제는 Stanley & Doucouliagos (2014)의 발췌에서 비롯됩니다.
시뮬레이션에서는 설명 할 수없는 초과 이질성이 항상 포함됩니다. 따라서, 통상적 인 관행에 의해, REE [임의 효과 추정기]는 FEE [고정 효과 추정기]보다 선호되어야한다. 그러나 출판물 선택이있을 때는 기존 관행이 잘못되었습니다. 통계적 유의성을 선택하면 REE는 항상 FEE보다 편향됩니다 (표 3). 이 예측 가능한 열등 성은 REE 자체가 간행물 편견이 가장 큰 단순 평균과 FEE의 가중 평균이라는 사실에 기인합니다.
이 구절은 내가 랜덤 효과 / 혼합 효과 메타 분석 모델에서 PET-PEESE를 사용해서는 안된다는 것을 믿게하지만 다중 레벨 메타 분석 모델은 랜덤 효과 추정기가 필요합니다.
무엇을해야할지 찢어졌습니다. 모든 종속 효과 크기를 모델링 할 수 있기를 원하지만 동시에 출판 편향을 수정하는이 특정 방법을 활용하십시오. 3 단계 메타 분석 전략을 PET-PEESE와 합법적으로 통합 할 수있는 방법이 있습니까?
참고 문헌
청, MWL (2014). 3 단계 메타 분석을 통한 모델링 종속 효과 크기 : 구조 방정식 모델링 접근 방식. 심리학 적 방법 , 19 , 211-229.
Stanley, TD, & Doucouliagos, H. (2014). 간행물 선택 편향을 줄이기위한 메타 회귀 근사치. 연구 합성 방법 , 5 , 60-78.