在 STATA软件Meta分析操作命令为 mcda_效应指标效应指标的标准误 随机模型的Meta分析方法 为了帮助读者较好地理解Meta分析的随机模型,先举一个比较 容易理解的收缩血压观察的随机模型例子(非Meta分析)。例如,任 正常人的收缩血压随着时间变化呈随机性的变化,因此对于任一观 察对象的一次收缩压观察值与该对象自身平均收缩压之间存在一个 随机变异并称为个体自身内部随机变异(个体内变异)。而任一正常人 的平均收缩压与所有正常人平均收缩压的总体均数(正常人群的总体 均数)之间也存在随机变异的并称为个体之间的随机变异(简称个体 间变异)。所以正常人收缩压的一次观察值与正常人群的收缩压总体 均数之间含有两个层次的随机变异:个体内变异和个体间变异 Meta分析中随机模型把随机变异分为2个层次。在第一个层面 上,任一研究的总体均数(简称均数)与该研究的样本均数之间都存在 抽样误差,因此这种抽样误差视为个体内变异(该研究内的变异);在 第二个层面上,首先假定存在许许多多同一研究问题的的研究,由于 研究之间在许多因素上存在微小差异,并且导致各个研究的总体均数 之间存在差异并视为随机变异。同一研究问题的所有这些研究的总体 均数构成了一个集合可视为一个总体以及这些(研究)总体均数的平 均数就是它们的总体均数,为了叙述方便称为群体总体均数。并且认 为Meta分析所收集的若干个研究仅是许许多多个研究中的一个随机 抽样,这些研究的总体均数与群体总体均数之间的变异为随机变异在 STATA 软件 Meta 分析操作命令为 meta 效应指标 效应指标的标准误 随机模型的 Meta 分析方法 为了帮助读者较好地理解 Meta 分析的随机模型，先举一个比较 容易理解的收缩血压观察的随机模型例子(非 Meta 分析)。例如，任 一正常人的收缩血压随着时间变化呈随机性的变化，因此对于任一观 察对象的一次收缩压观察值与该对象自身平均收缩压之间存在一个 随机变异并称为个体自身内部随机变异(个体内变异)。而任一正常人 的平均收缩压与所有正常人平均收缩压的总体均数(正常人群的总体 均数)之间也存在随机变异的并称为个体之间的随机变异(简称个体 间变异)。所以正常人收缩压的一次观察值与正常人群的收缩压总体 均数之间含有两个层次的随机变异：个体内变异和个体间变异。 Meta 分析中随机模型把随机变异分为 2 个层次。在第一个层面 上，任一研究的总体均数(简称均数)与该研究的样本均数之间都存在 抽样误差，因此这种抽样误差视为个体内变异(该研究内的变异)；在 第二个层面上，首先假定存在许许多多同一研究问题的的研究，由于 研究之间在许多因素上存在微小差异，并且导致各个研究的总体均数 之间存在差异并视为随机变异。同一研究问题的所有这些研究的总体 均数构成了一个集合可视为一个总体以及这些(研究)总体均数的平 均数就是它们的总体均数，为了叙述方便称为群体总体均数。并且认 为 Meta 分析所收集的若干个研究仅是许许多多个研究中的一个随机 抽样，这些研究的总体均数与群体总体均数之间的变异为随机变异