元回归中效应量的最小个数需求：基于统计功效和估计精度

发布时间：2021-01-29 05:42

　　元回归模型被广泛应用于调节变量的识别。从元分析技术的原理谈起,介绍了元回归模型,然后采用蒙特卡洛模拟,基于统计功效和估计精度探究效应量个数对元回归模型参数估计的影响,从而确立效应量的最小个数需求。主要研究结果为:（1） Wald-type z检验方法在元回归中易犯I类错误;（2）为达到参数估计要求,元回归至少需要20个效应量;（3）纳入合适的调节变量能降低对效应量的个数需求。基于研究结果,提出以下建议:（1）研究者应慎重使用Wald-type z检验方法和CMA软件;（2）研究者至少需要20个效应量,且应当根据实际情况进一步增加效应量个数;（3）研究者应当积极探索合适的调节变量;（4）未来审稿人可参考最小效应量个数需求对元回归研究进行质量评估。 

【文章来源】：心理科学进展. 2020,28(04)北大核心CSSCI

【文章页数】：14 页

【部分图文】：

包含一个调节变量时不同效应量个数下的置信区间宽度

包含两个调节变量时不同效应量个数下的置信区间宽度

包含一个调节变量时不同效应量个数下的统计功效

【参考文献】：
期刊论文
[1]宜人性对企业家成就的影响:来自元分析的证据[J]. 王超,袁蒙蒙,姜媛,方平.  心理与行为研究. 2019(01)
[2]企业社会责任与员工绩效的关系:一项元分析[J]. 刘俊,秦传燕.  心理科学进展. 2018(07)
[3]模型回归系数的合并分析在R软件metafor包中的实现[J]. 张云权,马露,冯仁杰,朱耀辉,李存禄.  中国循证医学杂志. 2015(03)
[4]中介效应的点估计和区间估计:乘积分布法、非参数Bootstrap和MCMC法[J]. 方杰,张敏强.  心理学报. 2012(10)
[5]R软件Metafor程序包在Meta分析中的应用[J]. 董圣杰,曾宪涛,郭毅.  中国循证医学杂志. 2012(09)
[6]Stata在探索异质性来源—Meta回归分析中的应用[J]. 张天嵩,刘江波,钟文昭.  循证医学. 2009(01)



本文编号：3006374