张伟豪元分析培训视频笔记-L5-0108-异质性检验Heterogeneity

如果组间方差够大，就是有异质性，一般组间方差占组内方差超过三分之一，就是够大了。

如果异质性值大于0.1（因为异质性统计值不够大，所以显著性不用0.05，而用0.1），那么就是没有异质性。

异质性检验主要的方法是卡方检验或者称为Q检验
异质性检验是检验组间差异，主要检验指标就是上图中的统计检验的三个值，T2,Q检验，I2
那么I2是怎么得来的？看上图中，分析数据出来后就是上图中的森林图
上图中，森林图每条线段的中间点是点估计值，点的两边线段就是区间估计值。

1.00代表没有异质性（如果是OR或CR，就是1，如果是相关分析就是0）。

也就是区间包含0或1代表不显著，比如第一条线段包含1，显著性就是0.116，不显著，第二条线段不包含1，显著性就是0.000，显著。

森林图是视觉看有没有异质性，上图看着每条线段差距比较大，有左有右，认为是有异质性，就需要看下next table。

Df自由度是12代表有13篇论文，Q-value的显著性显著，代表有异质性。

上图中的T au Squared就是组间方差，I-Squared就是Tau（组间方差）除以组间加组内。

一般I-Squared值低于25%代表没有异质性，50%以上比较严重的异质性，上图中已经是92.645，代表有很高的异质性。

上图为森林图，黑框越大，代表样本数越大，权重越大。

黑框两边为置信区间，如果穿过Y 轴，代表置信区间包含0，也就是不显著。

Y轴有可能是0，有可能是1（上边解释过原因）。

菱形代表所有样本的集合，因为是所有样本，所以置信区间很小，小到看不到。

异质性检验不能在统计结果出来后再解释为什么有异质性，应该是作者在数据建档之后就要解释“论文可能存在异质性，原因可能是。

”，而不能在统计结果出来再解释。

异质性的来源有以上几种
然后要找出异质性的原因，其实就是进行调节变量分析
调节变量分析就两类，一类是类别变量，就是方差分析，一类是连续变量，就是回归分析
如果做回归分析，要有5个尺度，也就是5个选项。

后边就会讲到，回归分析就是固定效应模型的扩展，混合模型就是随机效果的拓展
总结，异质性检验其实就是组间的方差够不够大，如果够大就是有异质性。

并且我们要找到一些原因来解释组间方差。