我正在使用rma.mvR 中的 metafor 包进行多层次荟萃分析。我正在使用的效果大小度量是原始平均值(measure="MN"在 metafor 中)。每个数据的抽样方差 ( vi) 计算为sd^2/n。
我想使用类似于 Egger 的线性回归方法的方法来测试发表偏倚,但考虑到我的效应大小测量,我不确定要使用哪个预测变量。我知道几个预测变量选项(例如,n、1/vi、sqrt(vi)等)。但是,我希望我选择的预测器适合我的 ES 度量并且可以辩护(对审阅者)。
我正在使用rma.mvR 中的 metafor 包进行多层次荟萃分析。我正在使用的效果大小度量是原始平均值(measure="MN"在 metafor 中)。每个数据的抽样方差 ( vi) 计算为sd^2/n。
我想使用类似于 Egger 的线性回归方法的方法来测试发表偏倚,但考虑到我的效应大小测量,我不确定要使用哪个预测变量。我知道几个预测变量选项(例如,n、1/vi、sqrt(vi)等)。但是,我希望我选择的预测器适合我的 ES 度量并且可以辩护(对审阅者)。
“标准” Egger 回归测试使用(即结果的标准误差)作为预测变量。这有时是不可取的,特别是当标准误差是结果测量本身的函数时。例如,假设您不是元分析均值,而是原始(皮尔逊积矩)相关系数。的大样本方差可以用来估计。请注意,(因此 SE)是的函数,因此通过构造,结果和 SE 之间存在关系。在这种情况下,最好使用的其他函数(例如,)作为预测器。
和之间没有内在关系,因此此问题不适用。因此,我认为坚持默认方法并使用。