基于贝叶斯模型平均的元分析：原理与实现
Meta-Analysis Based on Bayesian Model Averaging: Principles and Implementation
-
作者：
任子伟
1
刘铮
2
胡传鹏
1
-
作者单位：
- 通讯作者：
刘铮
Email:zhengliu2@link.cuhk.edu.cn
胡传鹏
Email:hcp4715@163.com
-
提交时间：2026-05-17 15:04:47
摘要: 元分析作为一种综合已有研究成果的重要统计方法，在量化研究中广泛应用。然而，研究者在分析过程中常面临模型选择的困境：在处理研究间异质性时，需在固定效应与随机效应模型之间做出选择；在应对潜在发表偏倚时，又需要从多种校正模型中选定一种。目前，这些模型选择仍缺乏统一标准。贝叶斯统计框架下的贝叶斯模型平均(Bayesian Model Averaging, BMA)为解决这些问题提供了新的思路：它将不同统计模型纳入同一模型空间，量化各模型获得数据支持的程度，并据此对效应量进行加权，从而规避单一模型选择带来的不确定性。基于BMA的元分析能同时检验三个关键假设(效应是否存在、异质性是否存在以及发表偏倚是否存在)，并以模型平均的方式实现对效应量的稳健估计。该方法可通过开源软件 JASP 或 R 语言实现，为研究者实施元分析提供了新选择。
版本历史
| [V1] |
2026-05-17 15:04:47 |
ChinaXiv:202605.00116V1
|
下载全文 |
相关信息
待评议
点击量
下载量
