Ich arbeite derzeit an einer Metaanalyse, für die ich mehrere in Stichproben verschachtelte Effektgrößen analysieren muss. Ich bin Teil von Cheungs (2014) dreistufigem Metaanalyse-Ansatz zur Metaanalyse abhängiger Effektgrößen im Gegensatz zu einigen anderen möglichen Strategien (z. B. Ignorieren von Abhängigkeiten, Mitteln von Effektgrößen innerhalb von Studien, Auswählen einer Effektgröße oder Verschiebung der Analyseeinheit). Bei vielen meiner abhängigen Effektgrößen handelt es sich um Korrelationen, bei denen es sich um ziemlich unterschiedliche (aber aktuell verwandte) Variablen handelt. Eine Mittelwertbildung über diese Variablen ist daher konzeptionell nicht sinnvoll, und selbst wenn dies der Fall wäre, würde sich meine Anzahl der zu analysierenden Gesamteffektgrößen um fast die Hälfte verringern.
Gleichzeitig bin ich jedoch auch daran interessiert, die Methode von Stanley & Doucouliagos (2014) zur Behandlung von Publikationsverzerrungen bei der Abschätzung eines metaanalytischen Effekts zu verwenden. Kurz gesagt, man passt entweder ein Meta-Regressionsmodell an, das die Größen der Studieneffekte anhand ihrer jeweiligen Varianzen (Präzisionseffekttest oder PET) oder ihrer jeweiligen Standardfehler (Präzisionseffektschätzung mit Standardfehlern oder PEESE) vorhersagt. Abhängig von der Bedeutung des Abschnitts im PET-Modell wird entweder der Abschnitt aus dem PET-Modell (wenn der PET-Abschnitt p > 0,05 ist) oder das PEESE-Modell (wenn der PET-Abschnitt p <0,05) als geschätzte Veröffentlichung verwendet. vorspannungsfreie mittlere Effektgröße.
Mein Problem ergibt sich jedoch aus diesem Auszug von Stanley & Doucouliagos (2014):
In unseren Simulationen ist immer eine übermäßige ungeklärte Heterogenität enthalten; Daher sollte nach herkömmlicher Praxis REE (Schätzer für zufällige Effekte) gegenüber FEE (Schätzer für feste Effekte) bevorzugt werden. Die konventionelle Praxis ist jedoch falsch, wenn Veröffentlichungen ausgewählt werden. Bei der Auswahl nach statistischer Signifikanz ist REE immer voreingenommener als FEE (Tabelle 3). Diese vorhersehbare Minderwertigkeit ist auf die Tatsache zurückzuführen, dass REE selbst ein gewichteter Durchschnitt des einfachen Mittelwerts mit der größten Publikationsverzerrung und der FEE ist.
Diese Passage lässt mich glauben, dass ich PET-PEESE nicht in metaanalytischen Modellen mit zufälligen Effekten / gemischten Effekten verwenden sollte, aber ein mehrstufiges metaanalytisches Modell scheint einen Schätzer für zufällige Effekte zu erfordern.
Ich bin hin und her gerissen, was ich tun soll. Ich möchte in der Lage sein, alle meine abhängigen Effektgrößen zu modellieren, aber gleichzeitig diese spezielle Methode zur Korrektur von Publikationsverzerrungen nutzen. Gibt es für mich eine Möglichkeit, die 3-Ebenen-Metaanalysestrategie legitim in PET-PEESE zu integrieren?
Verweise
Cheung, MWL (2014). Modellierung abhängiger Effektgrößen mit dreistufigen Metaanalysen: Ein Ansatz zur Modellierung von Strukturgleichungen. Psychological Methods , 19 , 211 & ndash; 229.
Stanley, TD & Doucouliagos, H. (2014). Meta-Regressions-Approximationen zur Reduzierung der Publikationsauswahl. Research Synthesis Methods , 5 , 60 & ndash; 78.