답변:
참고 : 이질성 테스트를 사용하여이 결정을 내리는 것에 대한 질문에 대한 빠른 답변을 원하면 " 어떤 정당화가 합리적인가? "로 스크롤하십시오 .
연구자들이 고정 효과 대 무작위 효과 메타 분석 합성에 대한 그들의 선택에 대해 몇 가지 근거가있다 (일부는 다른 것보다 합리적이다). 이들은 Borenstein et al.과 같은 소개 메타 분석 교과서에서 논의됩니다. (2009), 카드 (2011) 및 Cooper (2017).
이러한 정당화를 비난하거나 용서하지 않으면 서 (아직) 다음을 포함합니다.
고정 효과 모델 선택의 근거
연구 수준 변동성 / 조정자에 대한 사전 신념 : 연구원이 표본의 모든 효과 크기가 표본 추출 오류로 인해 다를뿐 아니라 체계적인 연구 수준 변동성이없고 따라서 중재자가 없다고 믿는 경우 랜덤 효과 모델에 적합해야 할 필요성이 거의 없다 나는 연구자가 랜덤 효과 모델에 적합하다고 생각할 때이 정당화와 전자는 때때로 손을 잡고 있다고 생각한다. 그리고 나서 그 주장에 근거하여이 결정을 합리화한다. 사실, 그들은 진정한 연구 수준의 이질성을 어느 정도 기대하지 않습니다.
체계적인 중재자가 철저하게 고려되었습니다 : 일부 연구원은 생각할 수있는 모든 중재자를 조사하고 고려한 후에 고정 효과 분석을 사용할 수 있습니다. 여기서 근본적인 근거는 일단 연구원이 모든 연구 가능하고 의미있는 연구 수준 변동성의 원인을 설명하면 남은 것은 샘플링 오류이므로 임의 효과 모델은 불필요하다는 것입니다.
랜덤 효과 모델의 선택에 대한 정당성
연구 수준 변동성 / 조정자에 대한 이전의 신념 : 정당화 2 (고정 효과 모델에 찬성)와 대조적으로 , 연구원이 의미있는 양의 연구 수준 변동성 (따라서 조절)이있을 것으로 예상한다면, 랜덤 효과 모델을 지정하는 것이 기본값입니다. 심리학 배경에서 온다면 (I do), 효과 크기에 대해 점점 더 일상적이고 격려적인 기본 사고 방식이되고 있습니다 (예 : Cumming, 2014 참조).
광범위 / 일반화 가능한 추론을 할 의도 : 고정 효과 모델과 달리 랜덤 효과 모델은 연구원이 광범위한 문헌에서 나타날 수있는 효과 / 조정 패턴의 관점에서 표본을 넘어서 어느 정도 말할 수있는 권한을 부여합니다. 이 수준의 추론이 연구자에게 바람직한 경우, 그들은 임의 효과 모델을 선호 할 수 있습니다.
잘못된 모델을 지정한 결과
: 질문의 아니지만 명시 적 부분, 나는 고정 효과 및 임의 효과 메타 분석 모델을 사이에 선택할 때 "가 제대로"가에 연구를위한 중요한 이유가 지적하는 것이 중요하다고 생각 이 크게 추정에 온다 정밀성과 통계 력 .
고정 효과 모델은 인위적으로 정확한 추정치가 생성 될 위험이있어 통계적으로 더 강력합니다. 랜덤 효과 모델은 통계적으로 강력하지 않지만 진정한 이질성이있는 경우 잠재적으로 더 합리적입니다. 중재자 테스트의 맥락에서, 고정 효과 모델은 오차 분산의 정도를 과소 평가할 수있는 반면, 랜덤 효과 모델은 오류 분산의 정도를 과대 평가할 수 있습니다 (모델링 가정이 충족되는지 위반 여부에 따라 Overton, 1998 참조). 다시, 심리학 문헌 내에서, 그 분야가 고정 효과 메타 분석에 너무 크게 의존하고 있으며, 따라서 우리는 우리의 효과에 대해 더 큰 확실성 / 정확도에 빠졌다는 인식이 증가하고있다 (Schmidt et al. , 2009).
어떤 정당화가 합리적입니까?
의미있는 이질성을 탐지하는 데 전력이 부족할 수 있습니다 (또는 사소한 양의 이질성을 탐지하기 위해 과도하게 작동).
분석의 단순성 ( 정당성 1. )은 성공하지 못할 고정 효과 모델에 대한 또 다른 정당화처럼 보입니다 (더 분명한 이유 때문). 반면에 모든 가능한 중재자가 소진되었다고 주장하는 것 ( 정당성 3. )은 연구원이 광범위한 중재자 변수를 고려 / 모델링했음을 입증 할 수있는 경우 더 설득력이있을 수 있습니다. 그들이 중재자를 몇 개만 코딩했다면,이 정당화는 꽤 의심스럽고 희미한 것으로 보일 것입니다.
데이터가 기본 랜덤 효과 모델 ( 정당성 8 )을 통해 결정하도록하는 것은 내가 확신하지 못하는 것입니다. 그것은 확실히 능동적이거나 원칙적인 결정은 아니지만, 심리학 분야의 무작위 효과 모델을 기본으로 선호하는 경향과 함께 받아 들여질 수 있지만 (특히 사려 깊지는 않지만) 정당화 될 수 있습니다.
그것은 효과의 분포 ( 정당성 2. 및 정당성 6. ) 와 관련하여 이전의 신념과 관련이 있으며, 연구원이 허가를 받기를 원하는 유형의 추론과 관련이있다 ( 의론 5. 및 정당화 9.).). 효과 분포에 대한 이전의 신념에 대한 타당성은 크게 합성하려는 연구의 특징으로 귀결 될 것입니다. Cooper (2017)가 지적한 것처럼, 만약 당신이 비슷한 맥락 / 샘플에서 수집 된 기계 / 유니버설 프로세스의 효과를 종합적으로 통제하고 엄격한 통제 된 환경에서 고정 효과 분석은 전적으로 합리적 일 수 있습니다. 동일한 실험의 복제 결과를 합성하는 것이이 분석 전략이 바람직한시기의 좋은 예가 될 것이다 (Goh et al., 2016 참조). 그러나 디자인, 조작, 측정, 컨텍스트 및 샘플 특성이 상당히 다른 필드를 합성하는 경우 정확하게 연구하고 있다고 주장하기가 점점 어려워 집니다.각 인스턴스에서 동일한 효과. 마지막으로, 어떤 종류의 추론이 개인적 취향 / 미각의 문제인 것처럼 보이기 때문에,이 정당화가 개념적으로 방어 가능한 것처럼 보이는 한,이 정당화에 대해 어떻게 논쟁을 시작하는지 확신 할 수 없습니다.
참고 문헌
Borenstein, M., Hedges, LV, Higgins, JPT, & Rothstein, HR (2009). 메타 분석 소개 . 영국 웨스트 서 섹스 : Wiley.
카드, NA (2011). 사회 과학 연구를위한 메타 분석을 적용했습니다. 뉴욕, 뉴욕 : 길 포드 출판사.
Cooper, H. (2017). 연구 합성 및 메타 분석 : 단계별 접근 방식. 캘리포니아 주 오크 오크 : 세이지.
Cumming, G. (2014). 새로운 통계 : 이유와 방법. 심리 과학 , 25 (1), 7-29.
Goh, JX, Hall, JA 및 Rosenthal, R. (2016). 자신의 연구에 대한 미니 메타 분석 : 이유에 대한 몇 가지 주장과 방법에 대한 입문서. 사회 및 성격 심리학 나침반 , 10 (10), 535-549.
Overton, RC (1998). 중재자 변수 효과의 메타 분석 테스트를위한 고정 효과 및 혼합 (랜덤 효과) 모델 비교 심리학 적 방법 , 3 (3), 354-379.
Schmidt, FL, Oh, IS, & Hayes, TL (2009). 메타 분석에서 고정 대 임의 효과 모델 : 모델 속성 및 결과 차이의 실험적 비교. 영국 수학 및 통계 심리학 저널 , 62 (1), 97-128.
특히 참조를 요청하십시오.
이에 대한 고전적인 참고 문헌은 아마도 Hedges와 Vevea의 기사 인 " 메타 분석에서 고정 및 랜덤 효과 모델 "이라는 제목 일 것입니다 .
건강 상태에서 일하는 경우 Cochrane 핸드북 의 관련 장 을 반드시 읽으십시오. 특히, 언제 메타 분석을 고려하지 말아야하는지 제안하고 단순히 랜덤 효과 모델을 맞추는 것 이외의 이질성에 대해 어떻게해야하는지 명확하게 구분합니다.