現在、メタ分析に取り組んでいます。そのため、サンプル内にネストされた複数の効果サイズを分析する必要があります。他の可能な戦略の一部とは対照的に、Cheung(2014)の3レベルのメタ分析アプローチによる依存効果サイズのメタ分析(たとえば、依存関係の無視、研究内の効果サイズの平均化、1つの効果サイズの選択、または分析単位のシフト)。私の依存するエフェクトサイズの多くは相関関係であり、かなり独特の(ただし、局所的に関連する)変数が含まれているため、それらを平均しても概念的に意味がありません。
ただし、同時に、メタ分析の影響を推定する過程で、出版バイアスに対処するためのStanley&Doucouliagos(2014)の方法を使用することにも興味があります。簡単に言うと、メタ回帰モデルを当てはめて、それぞれの分散(精度効果テスト、PET)またはそれぞれの標準誤差(標準誤差を含む精度効果推定、またはPEESE)によって研究効果サイズを予測します。PETモデルの切片の重要性に応じて、PETモデルからの切片(PET切片p > .05の場合)またはPEESEモデル(PET切片p <.05の場合)を推定されたパブリケーションとして使用します。バイアスのない平均効果サイズ。
私の問題は、しかし、スタンレーとドゥクーリアゴス(2014)のこの抜粋に起因します。
私たちのシミュレーションでは、原因不明の過剰な異質性が常に含まれています。したがって、従来の慣例では、REE [ランダム効果推定量]はFEE [固定効果推定量]よりも優先されます。ただし、出版物の選択がある場合、従来の方法は間違っています。統計的有意性の選択により、REEは常にFEEよりバイアスされます(表3)。この予測可能な劣等性は、REE自体が最大の出版バイアスを持つ単純平均とFEEの加重平均であるという事実によるものです。
この一節から、変量効果/混合効果メタ分析モデルでPET-PEESEを使用するべきではないと信じるようになりましたが、マルチレベルのメタ分析モデルには変量効果推定量が必要なようです。
私は何をすべきかについて引き裂かれています。依存しているすべての効果サイズをモデル化できるようにしたいのですが、同時にこの特定の方法で出版バイアスを補正しています。3レベルのメタ分析戦略をPET-PEESEと合法的に統合する方法はありますか?
参考文献
Cheung、MWL(2014)。3レベルのメタ分析による依存効果サイズのモデリング:構造方程式モデリングアプローチ。心理的方法、19、211から229まで。
Stanley、TD、&Doucouliagos、H.(2014)。出版物選択バイアスを減らすためのメタ回帰近似。研究の合成方法、5、60から78。