我目前正在使用metafor
包(Viechtbauer,2010)对比例(传播疾病的蚊子数量/测试的蚊子数量)进行荟萃分析。我的目标是计算 5 种蚊子中每一种的汇总效应大小。就目前而言,我的分析策略是:
- 使用 PFT(双反正弦)变换来规范化数据(我有很多 0 和 1 作为值)
- 运行整体模型以评估异质性(检验剩余异质性是否有意义)
- 由于我从元分析中包含的每篇文章中获得了几个度量,我评估了使用三级模型的必要性(LRT 有意义,用于“度量”和“文章”(度量嵌套在文章中)
- 使用亚组分析,以蚊子种类为调节剂
- 评估残余异质性
- 测试一些主持人以试图解释剩余的异质性
当我进行亚组分析时,我得到了一个对变量“Specie”有意义的调节器检验。但后来我想知道这个显着变量解释了方差的哪一部分,我得到了 -0.9%(截断为 0%)(我在这里使用了 W. Viechtbauer 建议的“伪 R 平方”方法)。
所以,我的问题是:是否有可能/连贯地对主持人进行有意义的测试,并且该主持人没有解释差异?怎么解释呢?
当我使用 REML 估计时,我不能使用 LRT 来测试变量是否有意义(我宁愿不使用 ML 来计算 LRT)。
如果有人可以帮助我,请提前感谢,
此致,
亚历克斯
如果有用,这里是我使用的代码的摘要:
ies.da <- escalc(xi = data_test[, "n"],
ni = data_test[, "n_tested"],
data = data,
measure = "PFT",
add = 0)
subganal.specie.mv <- rma.mv(yi, vi,
data = ies.da,
mods = ~factor(Specie),
method = "REML",
random = ~1|article/measure)
subganal.no.specie.mv <- rma.mv(yi, vi,
data = ies.da,
method = "REML",
random = ~1|article/measure)
pseudo.r.squared <- (sum(subganal.no.specie.mv$sigma2) - sum(subganal.specie.mv$sigma2)) / sum(subganal.no.specie.mv$sigma2)
结果,我得到了对主持人有意义的测试:
subganal.specie.mv
Multivariate Meta-Analysis Model (k = 165; method: REML)
Variance Components:
estim sqrt nlvls fixed factor
sigma^2.1 0.0184 0.1358 21 no article
sigma^2.2 0.0215 0.1466 165 no article/measure
Test for Residual Heterogeneity:
QE(df = 161) = 897.9693, p-val < .0001
Test of Moderators (coefficients 2:4):
QM(df = 3) = 12.3578, p-val = 0.0063
Model Results:
estimate se zval pval ci.lb ci.ub
intrcpt 0.6172 0.1051 5.8729 <.0001 0.4112 0.8232 ***
factor(Specie)1 -0.0123 0.1240 -0.0990 0.9211 -0.2554 0.2308
factor(Specie)2 -0.2110 0.1178 -1.7913 0.0733 -0.4419 0.0199 .
factor(Specie)3 -0.2299 0.1008 -2.2813 0.0225 -0.4274 -0.0324 *
但我的“伪 R 平方”为空:
pseudo.r.squared
[1] -0.009012437