以下是一些关于如何应对的建议：

1. 鉴于您的预测变量是连续的（并且通常不赞成对预测变量进行人工分类），元回归似乎是正确的方法（事实上，元回归也可以处理分类预测变量以及对它们进行分层，所以为什么要打扰？）。
2. 如果我理解正确，您将这 4 个预测变量同时输入到模型中。分层要么意味着一次检查一个（人为分类的）预测变量（不考虑可能由其他预测变量或预测变量之间的潜在混淆更好地解释的异质性），或者如果要开始对预测变量的组合进行分层，则亚组将开始变得很小。这似乎不是一个好主意（另请参阅下一点）。
3. 随机效应模型中异质性的数量（或混合效应元回归模型中剩余异质性的数量）的估计程度在很大程度上取决于研究的数量。分层将导致较小的子集对异质性的估计较差。

我实际上在这篇文章中讨论了这些问题：

Viechtbauer, W. (2007)。通过随机效应模型和荟萃分析中的调节分析来解释异质性。Zeitschrift für Psychologie / 心理学杂志，215 (2), 104-121。

如果您有兴趣并且无法获得该文章的副本（它在德国期刊上；但该文章是英文的），请随时给我发送电子邮件（您可以从我的个人资料中找到我的网站链接; 可在此处找到电子邮件地址）。