提高 Meta 分析与 Meta 回归中基于似然推断的准确性
统计方法学
2018-02-16 v4
摘要
在 Meta 分析中，随机效应模型常被用于综合来自不同研究的信息。尽管基于似然的推断在极限性质和实现方面均具有吸引力，但将其应用于随机效应 Meta 分析可能会导致误导性结论，特别是当研究数量为小到中等规模时。本文表明，能够降低方差分量最大似然估计量的渐近偏差的方法，同样可以显著改善关于平均效应量的推断。这些结果是在更一般的随机效应 Meta 回归框架下推导得出的，该框架允许平均效应量随研究特定协变量而变化。
引用
@article{arxiv.1509.00650,
title = {Improving the accuracy of likelihood-based inference in meta-analysis and meta-regression},
author = {Ioannis Kosmidis and Annamaria Guolo and Cristiano Varin},
journal= {arXiv preprint arXiv:1509.00650},
year = {2018}
}