问题标签 [metafor]

我在这里看到了一些与我的查询类似的问题，但这些解决方案对我不起作用。我正在尝试构建网络元分析，并在调用mtc.network命令后遇到以下错误：

我的数据是

然后我收到此消息

我将不胜感激在这方面的任何帮助。

所以我应该用 R 写一个元分析，但以前从未使用过 R。我有点不知所措。上面的代码正在工作，除了组 a 下的 relevel 函数作为参考，我想在子组分析中更改参考组。所以我有 a 组和 b 组的研究，想改变参考组。对于 relevel 函数，我收到以下错误：

relevel.default(group, ref = "b") 中的错误：'relevel' 仅适用于（无序）因素

抱歉，如果我发布了不必要的代码。我不确定。提前致谢。

我正在对论文中的相关系数进行荟萃分析。所以 lvl 1 = 论文和 lvl 2 = 论文内的系数。

我想在论文和系数级别包括主持人，但我不确定如何指定应该应用主持人的级别。例如，论文级别的不同方法如何影响结果以及系数级别的不同参与者如何影响结果。

我现在的模型是：

但是，这并没有具体说明论文之间的 paper_factor 不同，并且论文中的系数之间的 coefficient_factor 不同。我该怎么做？

注意：metafor语法类似于lme4所以也许那里的适当语法也可以在这里工作？

我已经使用包 metafor 执行了多重元回归，但在解释“主持人测试”（即 QM）时遇到了困难。我的模型包括两个变量：（1）样本类型（虚拟：社区与法医）和（2）样本中女性的比例（连续）。

这是我得到的输出：

结果表明ratio_females在控制样本类型的同时显着预测效应大小。然而，QM 显示出不显着的结果 (p < 0.05)。

这怎么可能？我的理解是 QM 检验假设 H0：β_sample = β_females = 0。如果Proportion_females显然是 != 0，为什么 QM 没有产生显着的结果？

我正在创建一个包含 3 个部分的图形，这些部分是使用metafor包创建的森林图。如何减少子图之间的空白，使它们更靠近？

这是示例数据和代码

在 R 的元分析包 metafor 中，rma.uni() 有一个 blup() 函数，但 rma.mv() 没有。我有一个带有随机截距项的 rma.mv 模型。如果我使用：

然后我从我的固定效应调节器那里得到我原始数据集中每个数据点的估计值，并且：

为我的随机效应的每个级别提供预测。

那么有没有一种方法可以将来自这两个函数的信息组合起来以获得组合的随机和固定效果 BLUP，就像 blup() 函数提供的那样？

（我尝试对原始数据集中的每个数据点取固定效应估计和随机效应预测的平均值，当我绘制它时这看起来是正确的......但肯定不是那么简单吗？）

我是 R 包的新手metafor，但是否有绘图包（例如，、、、effects::plot(allEffects())）sjPlot::plot_model()来 emmeans::emmip()  绘制说rma.mv()模型的预测？

例如，是否可以绘制下面的交互效果？

我想做一个元分析（使用 metafor）来统计总结不同技术对环境的影响。结果是以 kg CO2 为单位的量化结果。我的问题是：我正在处理每项研究的样本量为 1，我应该如何计算我的方差 (vi)？什么是尝试的好策略？谢谢！

我正在尝试在 R 中创建一个轮廓增强的漏斗图以进行荟萃分析。等高线增强漏斗图还显示了对应于不同 p 值的图区域（参见 Peters 等人，2008，等高线增强荟萃分析漏斗图有助于区分发表偏倚与其他不对称原因）。

我在网上找到了这个非常有用的元分析程序指南（https://bookdown.org/MathiasHarrer/Doing_Meta_Analysis_in_R/smallstudyeffects.html），建议使用以下代码来创建这样的图：

执行此代码时，会生成绘图，但没有图例。该错误表示二元运算符有一个非数字参数。我还确保专门使用包中的funnel()函数meta，正如它在指南中所说的metafor那样，在我的环境中也是如此。有人知道如何解决这个问题并创造一个美好的传说吗？

另外，我尝试了包的创建者建议的以下代码metafor（http://www.metafor-project.org/doku.php/plots:contour_enhanced_funnel_plot）：

关于这个level论点有很多警告，它甚至没有产生一个有效的漏斗图，更不用说一个图例了。在这种情况下，我假设这是由于我提交的不是 rma 对象，而是来自 meta 包的元对象。另一方面，它应该与上面的第一个代码一起工作，但事实并非如此。

感谢所有建议！

编辑：这是一个基于上述指南中提供的代码的示例

我是否错过了导致找不到predict.rma()的 东西"factor(outcome)"？