回归特征选取_Meta回归分析的原理与应用

最新推荐文章于 2025-03-17 17:35:00 发布

小蛋子儿哦

最新推荐文章于 2025-03-17 17:35:00 发布

阅读量3.5k

点赞数 2

文章标签：回归特征选取

本文链接：https://blog.csdn.net/weixin_42502977/article/details/112522588

版权

本文介绍了Meta回归分析的原理，用于评价研究间异质性，通过回归方法探讨协变量对合并效应的影响。Meta回归分析的步骤包括收集文献、提取信息并建立模型。文章还提到了气泡图在展示影响因素作用大小中的应用，以及Meta回归在多个领域的应用案例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近有两篇论文，分别是发表于2018年的A History of Meta-regression：Technical， Conceptual， and Practical Developments Between 1974 – 2018和发表于2019年的Current Practices in Meta‐Regression in Psychology， Education， and Medicine，引起了我对meta回归分析的兴趣。奈何我功力浅薄，不能研读这两篇长文，只好先查一下中文资料，搞清楚什么是meta回归分析。

Meta回归分析的原理

Meta回归分析可评价研究间异质性的大小及来源。假如一项元分析纳入了20项研究，其中一些研究发现体育锻炼能改善抑郁症状，一些发现体育锻炼对抑郁情绪没有影响，还有一些研究发现体育锻炼会恶化抑郁。这些研究之间就存在异质性，研究结果的不一致可能是因为研究方案、研究的时间和地区、研究质量、体育锻炼的方式、被试的年龄和性别、抑郁的程度等。为了探究异质性的来源，需要进行Meta回归分析。

Meta回归分析采用回归分析的方法，探讨某些实验特征或病例特征等协变量对Meta分析中合并效应的影响，以明确各研究间异质性的来源。

纳入Meta回归分析中的协变量是研究或试验水平的一些特征，如研究设计、干预量、给药途径、疗程、患者的性别、年龄、种族、研究样本量；也可以是单个研究内所包含病例的综合特征，如患者的平均年龄、平均身高等。但是不能将单个患者的身高、体重等指标作为Meta回归分析的协变量。

Meta回归也需要考虑各自变量间的交互作用和共线性等问题，以免各Meta回归模型选出的异质性影响因素极不一致，系数也不稳定。

根据统计模型的不同，可将Meta回归分析分为固定效应的Meta回归