本质上，这两个版主有 6 种不同的组合。因此，您可以计算并呈现每种组合的估计/预测效果。这是一个使用metafor包中的数据集的示例，该数据集也恰好包括两个分别具有 2 级和 3 级的分类主持人：
### load data
dat <- get(data(dat.mcdaniel1994))
### calculate r-to-z transformed correlations and corresponding sampling variances
dat <- escalc(measure="ZCOR", ri=ri, ni=ni, data=dat)
### fit mixed-effects meta-regression model (struct has 2 levels, type as 3 levels)
res <- rma(yi, vi, mods = ~ struct + type, data=dat)
### compute the estimated/predicted correlation for each combination
predict(res, newmods=rbind(c(0,0,0), c(0,1,0), c(0,0,1),
c(1,0,0), c(1,1,0), c(1,0,1)), transf=transf.ztor, addx=TRUE, digits=2)
结果是：
pred ci.lb ci.ub cr.lb cr.ub X.intrcpt X.structu X.typep X.types
1 0.26 0.22 0.30 -0.08 0.54 1 0 0 0
2 0.19 0.01 0.36 -0.19 0.52 1 0 1 0
3 0.30 0.19 0.40 -0.05 0.58 1 0 0 1
4 0.20 0.13 0.26 -0.15 0.50 1 1 0 0
5 0.13 -0.04 0.29 -0.24 0.47 1 1 1 0
6 0.24 0.10 0.36 -0.13 0.54 1 1 0 1
也可以将这些结果放入森林图（不显示个人估计，仅显示这些估计结果）：
slabs <- c("struct = s, type = j", "struct = s, type = p", "struct = s, type = s", "struct = u, type = j", "struct = u, type = p", "struct = u, type = s")
par(mar=c(4,4,1,2))
forest(sav$pred, sei=sav$se, slab=slabs, transf=transf.ztor, xlab="Correlation", xlim=c(-.4,.7))
text(-.4, 8, "Structure/Type", pos=4, font=2)
text(.7, 8, "Correlation [95% CI]", pos=2, font=2)
看起来像这样：
呈现所有 6 种组合有一点冗余，因为您的模型假设两个调节器的影响是相加的。但我认为这使结果非常清楚。