回答:
注：異質性検定を使用してこの決定を行うことに関する質問への迅速な回答が必要な場合は、「どの正当化が妥当か」までスクロールしてください。
研究者が固定効果対ランダム効果メタ分析合成の選択に対して提供するいくつかの正当化があります（他のものよりも多い/少ない）。これらは、Borenstein et al。のような紹介メタ分析教科書で議論されています。（2009）、カード（2011）、およびクーパー（2017）。
これらの正当化を非難または容認することなく（まだ）、以下が含まれます。
固定効果モデルの選択の正当化
研究レベルの変動性/モデレーターがないという以前の信念：研究者がサンプルのすべての効果サイズはサンプリングエラーのためにのみ変化し、系統的な研究レベルの変動性がない（したがってモデレーターがない）と信じている場合、変量効果モデルを適合させることはほとんど必須ではありません。変量効果モデルの適合が研究者の能力を超えていると感じた場合、この正当化と前者は時々手を組んでいると思います。その後、主張した後、この決定を合理化します。事実、彼らは真の研究レベルの不均一性の量を予想していない。
体系的なモデレーターが徹底的に検討されている：一部の研究者は、考えられるすべてのモデレーターを調査および考慮した後、固定効果分析を使用する場合があります。ここでの根本的な根拠は、研究者が研究レベルの変動性の考えられる/意味のあるすべての原因を説明すると、残せるものはすべてサンプリング誤差であり、したがって変量効果モデルは不要になるということです。
ランダム効果モデルの選択の正当化
研究レベルの変動性/モデレーターの以前の信念：正当化2.（固定効果モデルを支持する）とは対照的に、研究者がある程度の研究レベルの変動性（したがって緩和）があると予想する場合、デフォルトでは変量効果モデルを指定します。あなたが心理学のバックグラウンドから来ている場合（私はそうです）、これは効果の大きさについて考える日常的/奨励されたデフォルトの方法になっています（たとえば、カミング、2014年を参照）。
重要な不均一性テスト（つまり、統計）：研究者が重要でないテストを使用して固定効果モデルの選択を正当化するのと同じように、重要なテストを使用する可能性があります（均一な効果サイズのnullを拒否します） ）変量効果モデルの使用を正当化します。Q
分析的実用主義：変量効果モデルを適合させ、有意な不均一性がない場合（つまり、が有意でない場合）、固定効果の推定値が得られます。これらの推定値が変化するのは、重大な不均一性が存在する場合のみです。したがって、一部の研究者は、基礎となるデータの品質に応じて、その分析が本来の方法で「うまくいく」ことを示す変量効果モデルにデフォルト設定する場合があります。
幅広い/一般化可能な推論を行う意図：固定効果モデルとは異なり、変量効果モデルは、より広範な文献で展開される効果/緩和のパターンの観点から、研究者にサンプルを超えて（ある程度）話す権利を与えます。このレベルの推論が研究者にとって望ましい場合、研究者は変量効果モデルを好むかもしれません。
間違ったモデルを指定した結果
あなたの質問のない明示的な部分が、私はそれはそれは固定効果とランダム効果メタ解析モデルの間で選択するときに「右のそれを得る」と研究者のために重要である理由を指摘することは重要だと思う：それは主に、推定に降りてきます精度と統計力。
固定効果モデルは、人為的に正確な推定値を生成するリスクがあるため、統計的に強力です。変量効果モデルは統計的には強力ではありませんが、真の異質性がある場合はより合理的になる可能性があります。モデレーターのテストのコンテキストでは、固定効果モデルはエラー分散の範囲を過小評価する可能性がありますが、変量効果モデルはエラー分散の範囲を過大評価する可能性があります（モデリングの仮定が満たされているか違反されているかに応じて、Overton、1998を参照）。繰り返しますが、心理学の文献では、フィールドが固定効果のメタ分析に過度に依存しているため、私たちは自分たちの効果の確実性/正確さについてより大きな意味を誤解しています（Schmidt et al 。、2009）。
どの正当化が合理的ですか？
特定の質問に直接回答するには：固定効果モデルと変量効果モデルのどちらを指定するかを決定する目的で不均一性検定統計量を使用しないように警告する（Borenstein et al。、2009; Card、2001など）（正当化4.および正当化7.）。これらの著者は、代わりに、主に概念的な理由（つまり、正当化2.または正当化6.）でこの決定を行うべきであると主張します。fallibilityこの目的のための統計は、特に小さな（又は特に大）の合成の文脈において、直感的な感覚の一定量を行い Q Q 意味のある異質性を検出する能力が不足している可能性があります（または、わずかな量の異質性を検出する能力が過剰です）。
分析の単純化（正当化1.）は、成功する可能性が低い固定効果モデルの別の正当化のように思われます（私がより明白だと思う理由のため）。一方、可能性のあるすべてのモデレーターが使い果たされたと主張する（正当化3。彼らが少数のモデレーターをコーディングしただけの場合、この正当化はかなり特殊で軽薄であると見なされる可能性があります。
データにデフォルトの変量効果モデル（Justification 8.）を介して決定を行わせることは、私には不確かなものです。それは確かに積極的/原則的な決定ではありませんが、デフォルトとして変量効果モデルを好むという心理学分野のシフトと相まって、それは許容できる（特に思慮深くはありませんが）正当化であることが判明する可能性があります。
これにより、影響の分布に関する事前の信念に関連する正当化（正当化2.および正当化6.）と、研究者がライセンスを取得することを希望する種類の推論に関連する正当化（正当化5.および正当化9.）が残ります。）。影響の分布に関する以前の信念の妥当性は、主に、あなたが合成している研究の特徴に帰着します。Cooper（2017）が指摘しているように、ほぼ同様のコンテキスト/サンプルから収集された機械論的/ユニバーサルプロセスの効果を合成している場合、厳密に制御された環境では、固定効果分析は完全に合理的である可能性があります。同じ実験の複製から結果を合成することは、この分析戦略が望ましい場合の良い例です（Goh et al。、2016を参照）。ただし、設計、操作、測定、コンテキスト、およびサンプルの特性がかなり異なるフィールドを合成している場合、正確に研究していると主張することはますます困難になるようです。各インスタンスで同じ効果。最後に、人が行いたい推論の種類は個人の好み/好みの問題のように思われるので、概念的に防御可能であるように思われる限り、この正当化に対してどのように議論し始めるのかはわかりません。
参考文献
Borenstein、M.、Hedges、LV、Higgins、JPT、およびRothstein、HR（2009）。メタ分析の紹介。イギリス、ウエストサセックス：ワイリー。
カード、NA（2011）。社会科学研究のための応用メタ分析。ニューヨーク、ニューヨーク：ギルフォードプレス。
クーパーH.（2017）。研究の統合とメタ分析：ステップバイステップのアプローチ。カリフォルニア州サウザンドオークス：セージ。
カミング、G。（2014）。新しい統計：理由と方法。心理学、25（1）、7-29。
Goh、JX、Hall、JA、＆Rosenthal、R.（2016）。あなた自身の研究のミニメタ分析：理由と入門書に関するいくつかの議論。社会的および人格心理学コンパス、10（10）、535-549。
オーバートン、RC（1998）。モデレーター変数効果のメタ分析テストのための固定効果モデルと混合（ランダム効果）モデルの比較。Psychological Methods、3（3）、354-379。
シュミット、フロリダ州、ああ、IS、およびヘイズ、TL（2009）。メタ分析における固定対変量効果モデル：モデルプロパティと結果の違いの経験的比較。British Journal of Mathematical and Statistical Psychology、62（1）、97-128。
あなたは特に参照を求めます。
これに関する古典的な参照は、おそらく「メタ分析における固定効果と変量効果のモデル」という題名のヘッジスとヴェーヴェアによる記事でしょう。
あなたが健康で働いているなら、コクランハンドブックの関連する章はおそらく必読であり、多くの良識が含まれています。特に、メタ分析をまったく考慮すべきでない場合を示唆し、ランダム効果モデルを単に適合させる以外に、異質性について何をすべきかを明確に区別します。