Edgington 方法在随机效应 Meta 分析中的应用 第二部分：预测
人工智能
2026-02-09 v2 计算与语言
摘要
关于随机效应 Meta 分析中平均效应的统计推断在存在显著 between-study 异质性时往往不足。预测分布因能在 effect scale 上进行解释且为未来事件提供临床相关信息而特别适合量化异质性。我们构建的预测分布通过 Edgington 的 p-value 组合方法和广义异质性统计量来考虑不确定性。模拟结果表明,当样本数超过 3 个时,95% 预测区间通常实现名义覆盖率,并在样本数为 20 或更少的情形下有效反映 effect 估计的偏斜。忽略异质性估计不确定性的 Formulation 通常无法实现正确的覆盖率,这凸显了在随机效应 Meta 分析中需要进行此调整的必要性。
引用
@article{arxiv.2510.13215,
title = {Personalized Learning Path Planning with Goal-Driven Learner State Modeling},
author = {Joy Jia Yin Lim and Ye He and Jifan Yu and Xin Cong and Daniel Zhang-Li and Zhiyuan Liu and Huiqin Liu and Lei Hou and Juanzi Li and Bin Xu},
journal= {arXiv preprint arXiv:2510.13215},
year = {2026}
}
备注
Accepted at The Web Conference 2026 (WWW'26)