Я готовлю корреляционный метаанализ. Некоторые исследования в моей выборке предоставляют различные размеры эффекта, основанные на различных мерах для предиктора, переменной критерия или обоих. Чтобы избежать того, что я преувеличиваю или преуменьшаю точность окончательной оценки, я хотел смоделировать дисперсию как внутри исследования, так и между исследованиями. Поэтому я ввел несколько величин эффекта для исследования 1 и несколько величин эффекта для дальнейших исследований.
Вот пример моих данных:
> study<-c(1,1,1,2,3,3)
> number<-c(1:6)
> yi<-c(.12,.18,.05,.14,.19,.24)
> vi<-c(.0005,.0005,.0005,.0012,.0009,.0008)
> example<-data.frame(study, number, yi,vi)
> head(example)
study number yi vi
1 1 1 0.12 0.0005
2 1 2 0.18 0.0005
3 1 3 0.05 0.0005
4 2 4 0.14 0.0012
5 3 5 0.19 0.0009
6 3 6 0.24 0.0008
Я следовал рекомендациям, изложенным здесь, чтобы соответствовать трехуровневому мета-анализу: http://www.metafor -project.org / doku.php / analysis: konstantopoulos2011
> res.mv <- rma.mv(yi, vi, random = ~ factor(number) | study, data=example)
> print(res.mv, digits=3)
Multivariate Meta-Analysis Model (k = 6; method: REML)
Variance Components:
outer factor: study (nlvls = 3)
inner factor: factor(number) (nlvls = 6)
estim sqrt fixed
tau^2 0.004 0.064 no
rho 0.384 no
Test for Heterogeneity:
Q(df = 5) = 35.299, p-val < .001
Model Results:
estimate se zval pval ci.lb ci.ub
0.156 0.034 4.608 <.001 0.090 0.222 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Однако позже я обнаружил, что модель, использованная выше, предполагает, что ошибки выборки оценок величины эффекта являются независимыми, что, очевидно, здесь не так, поскольку множественные оценки получены от одной и той же группы людей. Могу ли я что-нибудь сделать, чтобы учесть эту зависимость в модели?