發表偏倚檢驗之Begg和Mazumdar秩相關檢驗

2021-01-11 元分析

發表偏倚檢驗是元分析中最重要的一環。今天介紹的文獻是常用的檢驗方法之一:Begg和Mazumdar秩相關檢驗。這個也是CMA軟體發表偏倚輸出結果之一。大家知道怎麼解讀這個指標嗎?還不會的話,沒有關係,看看推薦的這篇經典文獻就明白了。關注微信公眾號「元分析」獲取更多精彩內容。

英文題目和摘要

Operating Characteristics of a Rank Correlation Test for Publication Bias

An adjusted rank correlation test is proposed as a technique for identifying publication bias in a meta-analysis, and its operating characteristics are evaluated via simulations. The test statistic is a direct statistical analogue of the popular "funnel-graph." The number of component studies in the meta-analysis, the nature of the selection mechanism, the range of variances of the effect size estimates, and the true underlying effect size are all observed to be influential in determining the power of the test. The test is fairly powerful for large meta-analyses with 75 component studies, but has only moderate power for meta-analyses with 25 component studies. However, in many of the configurations in which there is low power, there is also relatively little bias in the summary effect size estimate. Nonetheless, the test must be interpreted with caution in small meta-analyses. In particular, bias cannot be ruled out if the test is not significant. The proposed technique has potential utility as an exploratory tool for meta-analysts, as a formal procedure to complement the funnel- graph.

中文摘要

提出了一種調整秩相關檢驗作為一種在元分析中識別發表偏倚的技術,並通過模擬對其操作特徵進行了評估。檢驗統計量是流行的「漏鬥圖」的直接統計類似。元分析中原始研究的數量,選擇機制的性質,效應量估計值的方差範圍以及真正的潛在效應量均影響檢驗功效。對於具有75個原始研究的大型元分析,該檢驗具有很好的統計檢驗力,但對於具有25個原始研究的元分析,該檢驗僅具有中等統計檢驗力。但是,在許多低統計檢驗力情形中,匯總效應量估計中的偏差也相對較小。儘管如此,在小型元分析中必須謹慎解釋該檢驗。特別是,如果檢驗不顯著,不能排除發表偏差。提出的技術作為元分析的探索工具、補充漏鬥圖的正式程序具有潛在的實用性。

相關焦點

  • r語言的秩和檢驗 - CSDN
    兩組間差異的非參數檢驗之Wilcox秩和檢驗在R中實現在進行兩組數據間的差異分析時,我們通常會想到使用t檢驗。但若數據不滿足執行t檢驗的參數假設(例如數據分布不符合正態性,變量在本質上就嚴重偏倚或呈現有序關係),無法使用t檢驗分析時,可以考慮使用非參數的方法來完成。
  • 元分析:出版偏倚檢驗你真的懂嗎?
    今天推薦的這篇文章是方法學文章,介紹的是標準化均值差元分析中出版偏倚檢驗的I型誤差膨脹,及其相應的校正方法。出版偏倚檢驗是元分析中必須報告的,所以深入理解每種方法的局限性是非常重要的,特別是遇到幾種方法結果不一致的時候。對元分析感興趣可以關注微信公眾號「元分析」獲取更多精彩內容。
  • 非參數中的秩和檢驗到底怎麼做的?
    剛開始學統計的時候,我們都知道:數據符合正態分布就用t檢驗,不符合就用非參數檢驗,更具體點,就是所謂的「秩和檢驗」。這是沒錯的,對於數據量小,而且很不符合的正態分布的情況,秩和檢驗確實是必不可少的一種方法。所以搞懂秩和檢驗還是很有必要的。
  • 精益六西格瑪管理-威爾科克森符號秩檢驗-高精度非參檢驗方法
    對於單個總體均值的檢驗問題,我們在前面的參數檢驗做了介紹,當標準差已知時,我們可以用Z檢驗;當標準差未知時,可以用t檢驗。當然,這兩種檢驗法都必須要求總體分布為正態。如果分布非正態,我們可以用符號檢驗的方法。
  • 基於R語言實現多組獨立樣本的非參數檢驗(Kruskal-Wallis秩和檢驗)及兩兩比較
    如果不服從正態分布,採用中位數(四分位數間距)進行統計描述,組間比較採用非參數檢驗(Kruskal-Wallis秩和檢驗),當組間總的有統計學差異,進一步採用Dunn法(也可以是其它方法)進行多重比較。我們想比較不同BMI組人群的年齡是否有差異,經正態性檢驗,年齡不符合正態分布,故選用非參數檢驗(Kruskal-Wallis秩和檢驗)。
  • 雙語優勢:被發表偏倚誇大的現象?
    在大腦層面,也有研究顯示雙語的使用可以激活額葉等與運動和行為控制相關的腦區,並且雙語者在進行非語言任務時,與語言活動相關的腦區也會產生更多的活動;雙語活動還會影響到大腦中灰質的密度。從目前的發表研究結果來看,雙語使用簡直就像是給大腦做了「大保健」一樣好處多多。
  • 符號秩檢驗 - CSDN
    Wilcoxon符號秩檢驗   它適用於T檢驗中的成對比較,但並不要求成對數據之差服從正態分布,只要求對稱分布即可。檢驗成對觀測數據之差是否來自均值為0的總體(產生數據的總體是否具有相同的均值)。在Matlab中,秩和檢驗由函數ranksum實現。
  • 非參數檢驗—兩相關樣本資料
    SPSS軟體提供了4種方法用於兩個相關樣本的非參數檢驗,分別為Wilcoxon Signed Ranks test(威爾科克森-符號秩檢驗)、Sign test(符號檢驗)、McNemar test(麥克尼瑪爾檢驗)和Marginal Homogeneity test(邊際同質性檢驗)。
  • 精益六西格瑪管理-威爾科克森符號秩檢驗-雙樣本情形下的應用
    前面我們介紹了威爾科克森符號秩檢驗的單樣本情形。其實這個方法還可用於雙樣本的檢驗。下面我們就通過具體的例子,來了解雙樣本威爾科克森符號秩檢驗的具體應用;例;有一家製造企業,試圖確定兩種生產方法在完工時間上是否存在差異。選出了一個由11人組成的樣本,且每個工人都分別使用兩種生產方法完成了同樣一項生產任務。每個工人首先使用哪種生產方法,是隨機挑選的。於是,每個工人提供了一對觀測值,列於表中。
  • AER強調計量方法的重要性, 經濟學因果分析中的p值操縱和發表偏倚!
    本文運用多種方法對發表在25種主要經濟學期刊上的21000多項假設檢驗進行研究,作者發現不同方法導致的p-hacking和發表偏倚程度存在很大差異。工具變量法(以及在較小程度上雙重差分法)尤其成問題。我們沒有發現任何證據表明(i)前5名期刊上發表的論文與其他期刊上發表的有不同;(ii)期刊"修訂和重新提交"程序緩解了這個問題;(iii)隨著時間的推移,情況正在改善。
  • SPSS分析技術:非參數檢驗之Wilcoxon檢驗;平均值比較不了?那就比較中位數吧!
    非參數檢驗根據分析原理可以分成兩大類:卡方檢驗和秩和檢驗;卡方檢驗的分析原理和作用在前幾篇推送中已經詳細介紹過,大家可以點擊下方連結回顧: 草堂君接下來會再用幾篇推送來介紹幾種最常用的秩次檢驗方法。今天介紹的是威爾考克斯(Wilcoxon)符號秩檢驗。
  • r相關性檢驗 - CSDN
    1.6 相關性檢驗對於多元數據,討論變量間是否具有相關關係是很重要的,這裡介紹三種相關檢驗—Pearson相關檢驗、Spearman相關檢驗和Kendall相關檢驗,第一個檢驗是針對正態數據而言的,而後面兩種檢驗屬於秩檢驗.
  • 精益六西格瑪管理-如何在MINITAB中進行威爾科克森符號秩檢驗
    前面我們舉了例子,說明了威爾科克森符號秩檢驗的具體計算步驟和方法。接下來,我們採用MINITAB工具,進行分析。看看威爾科克森符號秩檢驗在MINITAB中是如何操作的。WELCOXON進入運算;選取數據;按如圖示的格式,將數據選入對話框;選擇TEST MEDIAN;ALTERNATIVE 欄選擇GRATER THAN;MINITAB運算結果;運算結果顯示,檢驗的置信度水平
  • 統計檢驗假設的P值與檢驗水準α
    本文給大家普及一下檢驗假設中常用到的P值、檢驗水準α以及如何合理解釋。p值是在原假設(零假設)H0正確的前提下,出現觀察結果以及比之觀察結果更極端情形的概率,P值由相應統計模型計算而來,其計算根本不涉及備擇假設。
  • 參數檢驗 - CSDN
    3 KS檢驗的Python實現3.1 檢驗指定的數列是否服從正態分布3.2 檢驗指定的兩個數列是否服從相同分布4 其餘的非參數檢驗4.1 Wilcoxon符號秩檢驗(t檢驗的非參數版本)4.2 Kruskal-Wallis H檢驗(方差分析的非參數版本)4.3 Mann-Whitney秩檢驗5 參考1 什麼是KS
  • 等級變量的假設檢驗怎麼做?
    一般而言,等級變量屬於分類變量(如上)的一種,與之相對的就是無序變量。大家生活中經常碰到的「滿意程度」就是一個等級變量。當我們比較兩組人群,比如男女,對某項服務的滿意程度時,就會用到秩和檢驗。這其中的緣由是什麼呢?我們先把「等級變量」好好研究一番。
  • [小工具] Wilcoxon-tk小工具計算分組數值的秩和檢驗p-value
    先前使用R程序包的 wilcox.test (https://stat.ethz.ch/R-manual/R-patched/library/stats/html/wilcox.test.html) 計算Pvalue, 但是從軟體部署的角度考慮, 使用C實現的代碼,計算速度更快,更容易集成到工作流, 所以造了一個小了小輪子。
  • r語言檢驗 是否相關 - CSDN
    #兩樣本問題t檢驗、方差齊次性檢驗、分布檢驗#相關與回歸分析#例一某種元件的壽命X(小時),服從正態分布,N(mu,sigma2),其中mu,sigma2均未知,16隻元件的壽命如下:問是否有理由認為元件的平均壽命大於225小時。
  • 顯著性檢驗的計算 - CSDN
    根據不同適用條件,常用的統計方法有:兩配對樣本的t檢驗、兩配對樣本的非參數檢驗(如Wilcoxon符號秩檢驗)、配對卡方檢驗(McNemar)。【1】兩配對樣本的t檢驗其本質是兩配對樣本的差值與0的比較。跟兩獨立樣本的t檢驗一樣,兩配對樣本的t檢驗用到的函數也是t.test {stats}。
  • SPSS學習筆記14——秩相關分析-定量偏態數據或等級數據的相關分析
    摘要:秩相關分析應用於定量偏態分布數據,或者是等級數據;直線相關應用於定量正態分布的數據。,需要選擇秩相關;所以秩相關應用條件:兩定量變量至少有一個是非正態分布;或兩等級變量數據;(1)正態檢驗通過正態檢驗,兩組數據有一組是偏態分布就需要使用秩相關