«meta-analysis» 태그된 질문

최근 논문에서 Norton et al. (2018) [ 1 ] 상태[ 1 ][1]^{[1]} 각 모델마다 다른 임의의 스케일링 계수가 있기 때문에 승산 비 추정을 초래하는 통계 모델이 다른 설명 변수를 갖는 경우 동일한 연구에서 다른 승산 비를 비교할 수 없습니다. 서로 다른 샘플과 모델 사양이 다른 임의의 스케일링 계수를 가지기 때문에 …

12 r  logistic  meta-analysis  odds-ratio  adjustment 

문제점 : 베이지안 메타 분석에서 사전 및 데이터로 사용할 분포를 매개 변수화하고 있습니다. 이 자료는 문헌에 요약 통계로 제공되며, 거의 독점적으로 정규 분포로 가정됩니다 (변수는 0보다 작을 수없고 일부는 비율, 일부는 질량 등임). 나는 해결책이없는 두 가지 사례를 보았습니다. 때로는 관심있는 매개 변수가 데이터의 역수 또는 두 변수의 비율입니다. 예 …

12 distributions  bayesian  variance  random-variable  meta-analysis 

내 질문은 효과 크기 엑스XX 를 종속 변수로 사용하고 다른 효과 크기 와이YY 를 메타 회귀 분석에서 독립 변수로 사용할 수 있는지 여부입니다 . 예를 들어, 나는 음주 문제에서 운동의 영향에 대한 메타 분석을 수행했으며 상당한 결과와 높은 이질성을 발견했습니다. 메타 회귀 분석을 수행하고 불안에 대한 중재의 영향 크기를 독립 …

11 references  meta-analysis  effect-size  meta-regression 

배경: 심리학에서의 전형적인 메타 분석은 두 변수 X와 Y 사이의 상관 관계를 모델링하려고 시도 할 수있다. 분석은 일반적으로 샘플 크기와 함께 문헌으로부터 일련의 관련 상관 관계를 얻는 것을 포함한다. 그런 다음 수식을 적용하여 가중 평균 상관 관계를 계산할 수 있습니다. 그런 다음, 무작위 샘플링의 단순한 효과에 의해 암시되는 것보다 더 …

11 simulation  meta-analysis 

일반적으로 은 Fisher 로 변환되어 두 r 값 간의 차이를 테스트 합니다. 그러나 메타 분석을 수행 할 때 왜 그러한 단계를 수행해야합니까? 측정 오차 또는 비 샘플링 오차를 수정합니까? r 이 모집단 상관의 불완전한 추정 이라고 가정해야하는 이유는 무엇입니까?rrrzzzrrrrrr

11 correlation  variance  sampling  meta-analysis 

배경 이전에 게시 된 데이터가 포함 된 메타 분석을 수행하고 있습니다. 종종, 치료 간의 차이는 P- 값, 최하위 차이 (LSD) 및 기타 통계로보고되지만 분산의 직접적인 추정치는 제공하지 않습니다. 내가 사용하는 모델과 관련하여 과대 평가의 분산은 괜찮습니다. 문제 다음은 제가 고려하고 있는 (Saville 2003)의 로의 변환 목록입니다 . 아래에서는 이므로 이며 …

11 multiple-comparisons  variance  data-transformation  meta-analysis 

mgcv에 대한 패키지는 R텐서 제품의 상호 작용을 피팅에 대한 두 가지 기능이 있습니다 : te()와 ti(). 나는 둘 사이의 기본 노동 분열을 이해한다 (비선형 상호 작용에 적합하고이 상호 작용을 주요 효과와 상호 작용으로 분해). 내가 이해할 수없는 것은 왜 te(x1, x2)와 ti(x1) + ti(x2) + ti(x1, x2)(약간) 다른 결과가 발생할 …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

필자는 "이종성이 낮기 때문에 고정 효과 모델이 선택되었습니다"라는 문구를 사용하여 고정 효과 모델의 사용을 정당화하려는 여러 출판물을 읽었습니다. 그러나 데이터 분석에 여전히 부적절한 접근 방식 일 수 있습니다. 이것이 실수 일 수있는 이유와 이유를 논의하는 이유나 출판물이 있습니까?

10 references  meta-analysis  meta-analysis-fixed-effects  meta-analysis-random-effects 

정밀 분석 기반 가중치가 메타 분석의 중심입니까? Borenstein et al. (2009)는 메타 분석이 가능하기 위해서는 다음과 같은 것이 필요하다고 썼다. 연구에 따르면 단일 숫자로 표현할 수있는 포인트 추정치가보고됩니다. 해당 포인트 추정치에 대한 분산을 계산할 수 있습니다. 왜 (2)가 엄격하게 필요한지는 분명하지 않습니다. 그러나 실제로 널리 받아 들여진 메타 분석 방법은 …

10 variance  sample-size  missing-data  meta-analysis 

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 …

10 multilevel-analysis  meta-analysis  meta-regression  publication-bias 

간단한 예제를 위해 두 개의 선형 회귀 모델이 있다고 가정합니다. 모델 1은이 세 가지 예측, x1a, x2b, 및x2c 모형 2에는 모형 1의 예측 변수 3 개와 추가 예측 변수 2 개가 x2a있으며x2b 설명 된 모집단 분산이 모형 1의 경우 ρ2( 1 )ρ(1)2\rho^2_{(1)} 이고 모형 2의 경우 모집단 회귀 방정식이 있습니다. …

10 regression  confidence-interval  estimation  r-squared  shrinkage  anova  t-test  references  tukey-hsd  machine-learning  boosting  r  clustering  fishers-exact  generalized-linear-model  model  probit  link-function  r  survival  probability  distributions  dice  logistic  lme4-nlme  glmm  meta-analysis  distributions  distributions  factor-analysis  r  anova  repeated-measures  post-hoc 

이 질문과 특히 "문제 3"에서 영감을 얻었습니다. 분포에 대한 빈번하고 매개 변수적인 설명이 제공되지 않는 한 사후 분포는 메타 분석에 통합하기가 다소 어렵습니다. 나는 메타 분석을 베이 즈 모델에 통합하는 것에 대해 최근에 많은 생각을 해왔다. 베이지안 분석이 실제로 대중화되고 기존 코드에 통합하기가 매우 쉬워지면 (SAS 9.2 이상의 BAYES 문이 …

10 bayesian  meta-analysis 

작은 메타 분석에 대한 다음과 같은 실제 예제에서 결과를 얻으려면 metafor package에서 rma함수를 어떻게 구문 분석해야합니까? (랜덤 효과, 요약 통계 SMD) study, mean1, sd1, n1, mean2, sd2, n2 Foo2000, 0.78, 0.05, 20, 0.82, 0.07, 25 Sun2003, 0.74, 0.08, 30, 0.72, 0.05, 19 Pric2005, 0.75, 0.12, 20, 0.74, 0.09, 29 Rota2008, …

10 r  meta-analysis 

메타 분석을 제출하기 전에 이질성과 게시 편견을 테스트하기위한 퍼널 플롯을 만들고 싶습니다. 각 연구에서 풀링 된 효과 크기와 효과 크기를 가지고 있는데,이 값은 -1에서 +1까지입니다. 각 연구의 환자 및 대조군에 대해 표본 크기 n1, n2가 있습니다. 표준 오차 (SE)를 계산할 수 없으므로 Egger의 회귀를 수행 할 수 없습니다. 세로 축에 …

10 meta-analysis  sample-size  standard-error  funnel-plot  publication-bias 

이것은 여러 번 나온 예제 일뿐이므로 샘플 데이터가 없습니다. R에서 선형 회귀 모델 실행 : a.lm = lm(Y ~ x1 + x2) x1연속 변수입니다. x2범주 형이며 "낮음", "중간"및 "높음"의 세 가지 값이 있습니다. 그러나 R이 제공하는 출력은 다음과 같습니다. summary(a.lm) Estimate Std. Error t value Pr(>|t|) (Intercept) 0.521 0.20 1.446 …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction