我们正在计算 3 种判断对 3 种暴力结果的总体影响大小。这个多层次荟萃分析中的每项研究都对多种类型的判断和/或多种类型的暴力具有影响大小。可以理解，效应大小没有独立性。这就是我们在 R 元包中使用 rma.mv() 函数的原因。
现在，问题出现了，计算每种暴力类型的每次判断的平均效果大小。 到目前为止，我还没有找到关于最好的方法是什么的指导。评估每个暴力结果的每个判断的单个效果大小的最合乎逻辑的方法是将其子集化，将判断与结果配对。这将不受其他结果或判断的影响。下面嵌入了一个示例。
Viol.A<- rma.mv(y, v, random = list(~ 1 | Study, ~ + 1 | Effect), tdist=TRUE, data=df, subset = Outcome==2 & Judgment ==3)
翻译是判断 A 分数（判断 ==3）对暴力犯罪（结果 ==2）的总体影响大小
同事们想知道只对结果变量进行子集化，然后将所有判断类型放在同一个 rma.mv() 中以得出该结果的每个判断的效果大小。直觉上，它并不完全正确。我觉得这个输出在某种程度上依赖于其他判断？下面嵌入了一个这样做的例子。
Viol <- rma.mv(y, v, random = list(~ 1 | Study, ~ + 1 | Effect), tdist=TRUE, data=df, subset = Outcome==2, mods = ~ A+B+C)
mods =〜三个判断（仪器A，仪器B，仪器C）。
两种操作都会产生不同的效果大小！很高兴我的直觉错了，只要我能得到关于哪个选项正确的反馈，为什么？非常感谢，堆栈社区！