В настоящее время я работаю над метаанализом, для которого мне нужно проанализировать множественные величины эффекта, вложенные в образцы. Я неравнодушен к методу трехуровневого метаанализа Cheung (2014) к метаанализу зависимых величин эффекта, в отличие от некоторых других возможных стратегий (например, игнорирование зависимости, усреднение размеров эффекта в исследованиях, выбор одного размера эффекта или смещение единицы анализа). Многие из моих зависимых величин эффектов - это корреляции с довольно отличительными (но тематически связанными) переменными, поэтому усреднение по ним не имеет концептуального смысла, и даже если бы оно имело место, это сократило бы мое общее количество размеров эффектов для анализа почти наполовину.
В то же время, однако, я также заинтересован в использовании метода Стенли и Дукулиагос (2014) для решения проблемы смещения публикаций в ходе оценки метааналитического эффекта. В двух словах, можно использовать мета-регрессионную модель, прогнозирующую размеры эффекта исследования по их соответствующим отклонениям (тест эффекта точности или PET) или их соответствующие стандартные ошибки (оценка эффекта точности со стандартными ошибками или PEESE). В зависимости от значимости перехвата в модели PET в качестве оценочной публикации используется либо перехват из модели PET (если перехват PET p > .05), либо модель PEESE (если перехват PET p <.05). средняя величина эффекта без смещения.
Однако моя проблема проистекает из этой выдержки из Stanley & Doucouliagos (2014):
В наших моделях избыточная необъяснимая неоднородность всегда учитывается; таким образом, согласно традиционной практике, REE [оценщики случайных эффектов] должны быть предпочтительнее, чем FEE [оценщики с фиксированными эффектами]. Тем не менее, обычная практика не так, когда есть выбор публикации. При выборе статистической значимости REE всегда более предвзятый, чем FEE (Таблица 3). Эта предсказуемая неполноценность обусловлена тем фактом, что REE само по себе является средневзвешенным значением простого среднего, которое имеет наибольшее смещение публикации, и FEE.
Этот отрывок заставляет меня поверить, что я не должен использовать PET-PEESE в мета-аналитических моделях со случайными эффектами / смешанными эффектами, но многоуровневая мета-аналитическая модель, по-видимому, требует оценки случайных эффектов.
Я разрываюсь относительно того, что делать. Я хочу быть в состоянии смоделировать все мои зависимые величины эффекта, но одновременно использовать этот конкретный метод исправления для смещения публикации. Есть ли какой-то способ для меня законно интегрировать трехуровневую стратегию мета-анализа с PET-PEESE?
Ссылки
Cheung, MWL (2014). Моделирование зависимых величин эффекта с помощью трехуровневого метаанализа: подход моделирования структурных уравнений. Психологические методы , 19 , 211-229.
Stanley, TD & Doucouliagos, H. (2014). Мета-регрессионные аппроксимации для уменьшения систематической ошибки выбора публикаций. Методы синтеза исследований , 5 , 60-78.