메타 분석에는 여러 연구가 포함되어 있으며, 모두 0.05 이상의 P 값을보고했습니다. 전체 메타 분석이 P 값을 0.05 미만으로보고 할 수 있습니까? 어떤 상황에서?
(나는 대답이 예라고 확신하지만 참조 나 설명을 원합니다.)
메타 분석에는 여러 연구가 포함되어 있으며, 모두 0.05 이상의 P 값을보고했습니다. 전체 메타 분석이 P 값을 0.05 미만으로보고 할 수 있습니까? 어떤 상황에서?
(나는 대답이 예라고 확신하지만 참조 나 설명을 원합니다.)
답변:
개별 연구의 결과는 중요하지 않지만 함께 볼 수 있으며 결과는 중요 할 수 있습니다.
이론적으로 당신은 결과를 처리하여 진행할 수 있습니다 연구의 난을 다른 확률 변수처럼.
예를 들어, 부정적인 결과를 출판하는 것에 대한 편견이 있다면,이 간단한 메타 분석은 매우 일관되지 않고 편향 될 수 있습니다! 그것은 동전이 꼬리가 떨어지지 않는 플립을 관찰하여 동전이 뒤집힐 확률을 추정하는 것과 같습니다!
(1)과 (2)를 결합하면 특히 나쁠 수 있습니다.
예를 들어, 평균 폴링의 메타 분석은 개별 폴링보다 더 정확한 경향이 있습니다. 그러나 여론 조사를 평균하면 상관 오류에 여전히 취약합니다. 지난 선거에서 등장한 것은 젊은 출구 여론 조사원들이 노인보다는 다른 젊은이들을 인터뷰하는 경향이 있다는 것입니다. 모든 엑시트 폴링에서 동일한 오류가 발생하면 추정치가 잘못되었다고 생각할 수있는 잘못된 추정값이있는 것입니다. 엑시트 폴링은 동일한 접근법을 사용하여 엑시트 폴링을 수행하고이 접근법이 동일한 오류를 생성하기 때문에 상관 관계가 있습니다.
의심 할 여지없이 메타 분석에 더 익숙한 사람들은 더 나은 예, 더 미묘한 문제, 더 정교한 추정 기법 등을 생각 해낼 수 있지만, 이것은 가장 기본적인 이론과 더 큰 문제 중 일부에 해당합니다. 다른 연구가 독립적 인 무작위 오류를 만드는 경우 메타 분석이 매우 강력 할 수 있습니다. 연구 전반에 걸쳐 오류가 체계적인 경우 (예 : 모든 사람이 나이가 많은 유권자 수를 계산하는 등), 연구의 평균도 사라집니다. 상관 관계 연구의 정도 또는 상관 오류의 정도를 과소 평가하는 경우 총 표본 크기를 효과적으로 과대 평가하고 표준 오차를 과소 평가하십시오.
일관된 정의 등의 모든 실제 문제도 있습니다.
피셔 테스트
(편집-아래 @mdewey의 유용한 의견에 따라 다른 메타 테스트를 구별하는 것이 중요합니다. 아래 mdewey가 언급 한 다른 메타 테스트의 경우를 철자합니다)
> exp(-qchisq(0.95, df = 40)/40)
[1] 0.2480904
편집하다:
역 정규 시험 (Stouffer et al., 1949)
검정 통계량은 지정됩니다.