EBM

[EBM] 如何選擇固定效應模式 (fixed effect model) 與隨機效應模式 (random effects model)？

講到統計，天就黑一邊，但是不講清楚，同樣的問題又會重覆發生！如果您也被這個問題困擾許久請一定要看↓↓↓

在綜合分析 (meta-analysis) 裡，研究者們會決定要併還是不要併？但很少有人提出要併或不併的理由～

曾有研究分析決定＂不合併＂個別研究結果的原因：

因為我們深怕把蘋果跟香蕉混在一起，變成綜合果汁，所以許多研究者決定不把個別研究合併起來～

但是如果一旦決定合併，選擇＂適當＂的合併方法，則是整個過程的關鍵！

一般我們會使用固定效應 (fixed effect) 或隨機效應 (random effects) 模式合併研究結果，這兩種模式的差異在於＂理論假設不同＂

固定效應假設估計的是單一真值，隨機效應假設估計的真值呈常態分佈 (normal distribution)

兩種模式的差異，除了假設外，就是＂權重＂分派比重不同

隨機效應模式在計算權重時 (這裡以變異數倒數法 inverse variance為例) 多了研究之間的變異數 (variance)，所以數學跟我一樣＂爛＂的，應該可以瞭解為什麼大家常說：

＂隨機效應模式會給比較小的研究比較高的權重＂

如何選擇模式呢？如果沒有超強的＂信念＂(堅持認為這些研究超級像)，請愛用隨機效應模式，因為，符合固定效應模式假設的狀況，在真實世界裡很少存在！

注意！研究中常用統計異質性 (statistic heterogeneity) 來決定要用哪一種模式，這是很危險的，因為目前使用檢定統計異質性的方法，都跟阿罵的老花眼鏡一樣，拿下來就看不到囉！

統計檢力 (statistic power) 很差！經常是有異質性但看不出來，所以別那麼快就下決論：

＂因為I2 = 0%，所以有統計同質性＂

不信你算一下I2的95%信賴區間就知道了，保證你流眼淚 (太開心)

結論：瞭解模式背後的意義，比會按鍵盤算統計重要太多！

Jerry Liu

0 comments