我使用R 中的metafor 包拟合了一个稳健的随机效应 元回归模型。
我的完整 data 以及可重现的 R 代码如下所示。
问题：
(1) CIs上出现灰色钻石的含义和解释是什么？
(2)如果我有版主，我不会得到整体平均效果，对吗？
library(metafor)
d <- read.csv("https://raw.githubusercontent.com/izeh/m/master/d.csv", h = T) ## DATA
res <- robust(rma.uni(yi = dint, sei = SD, mods = ~es.type, data = d, slab = d$study.name),
cluster = d$id)
forest(res)
【问题讨论】：
1) 引自help(forest.rma)：“对于涉及调解人的模型，每项研究的拟合值将作为多边形添加到图中。”因此，灰色菱形（或多边形）是拟合值，菱形/多边形的宽度反映了拟合值的 CI 宽度。
2)不，因为当您的模型包含主持人时，不再有单一的整体效果。
【讨论】：
metafor 中使用了这两种方法中的哪一种？鉴于 RVE 的目的部分是为了防止元分析人员从单个研究中汇总效应大小，我猜，如果 RVE 模型的森林图标签 studies 和 研究中的效应大小会很有帮助 分开。
V 的抽样误差的 var-cov 矩阵），然后确定权重或权重矩阵（如果模型隐含边际 var-cov 矩阵不是对角线）。
rma.uni()，但您的回答是关于 rma.mv()！在robumeta 中，“相关结构” 不是多级模型。如果您根据 This Paper by Tipton 澄清您对 rnorouzian 的回答，我将不胜感激？
rma.mv() 拟合合适的模型。如果该模型的某些部分没有完全指定（例如，由于多个结果之间的未知相关性），那么应该拟合一个近似于完全指定模型的模型，然后使用集群鲁棒方法来获得关于固定模型的适当推论效果。