這里以我的一篇meta分析為例，詳細描述meta分析的一般步驟，該例子實現的是效應量β的合并

R包:metafor或meta包，第一個例子以metafor包為例。

1.準備數據集

2.異質性檢驗

install.packages("metafor")library(metafor)metamod

可以看到I^2為28.34%，屬于低度異質性，可采用固定效應模型。異質性低的時候可以采用固定效應模型和隨機效應模型，結果差別不大，但高異質性只能選擇隨機效應模型，否則會使結果外推性受到約束。此處選擇隨機效應模型是出于保守情況考慮。

• fixed-effect model是基于跨研究間不存在異質性的假設，也就是其合并時，默認運算是認為所納入合并的研究均為同質；
• random-effect model是基于跨研究間存在異質性的假設，該合并模型承認研究間異質性的存在，但是不對異質性加以處理；
• 如果納入合并的研究間存在異質性，盡管未達到我們常規設定的I^2>50%，但是在用fixed-effect model合并時，默認運算直接忽略這一部分異質性的存在，這樣合并的結果會造成假陽性誤差，而選用random-effect model合并時，盡管不處理異質性，但是其默認運算承認異質性的存在，合并結果更可信！

3.森林圖繪制

forestplot

結果如下圖

黑色方塊表示的是權重大小，對應著右方的weight，水平橫線是95%置信區間。菱形是合并效應值，95%置信區間小于0，意味著meta分析結果有統計學意義。

4.文獻發表偏倚檢驗

可以用漏斗圖及Begger's及Egger's檢驗

funnel(metamod)ranktest(metamod)#Begg's檢驗#regtest(metamod)#Egger's檢驗#

可能是由于文獻數量的限制，漏斗圖呈現明顯不對稱模式，無法判斷是由于發表偏倚所致還是文獻數量太少的緣故

可以看出Begg's檢驗及Egger's 檢驗的結果，P值都是大于0.05的，也就意味著沒有發表偏倚。

5.敏感性檢驗

leavelout(metamod,digits = 3)

本文轉載自CSDN一個人旅行*-*

往期內容：

R數據分析：貝葉斯定理的R語言模擬

R數據分析：用R語言做潛類別分析LCA

R可視化：如何用R做一個讓別人一目了然的圖

R語言：利用caret的dummyVars函數設置虛擬變量

R數據分析：R Markdown：數據分析過程報告利器，你必須得學呀

總結

以上是生活随笔為你收集整理的r语言数据变量分段_R数据分析：用R语言做meta分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。