r语言数据变量分段-凯发k8官方网

这里以我的一篇meta分析为例，详细描述meta分析的一般步骤，该例子实现的是效应量β的合并

r包:metafor或meta包，第一个例子以metafor包为例。

1.准备数据集

2.异质性检验

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

可以看到i^2为28.34%，属于低度异质性，可采用固定效应模型。异质性低的时候可以采用固定效应模型和随机效应模型，结果差别不大，但高异质性只能选择随机效应模型，否则会使结果外推性受到约束。此处选择随机效应模型是出于保守情况考虑。

• fixed-effect model是基于跨研究间不存在异质性的假设，也就是其合并时，默认运算是认为所纳入合并的研究均为同质；
• random-effect model是基于跨研究间存在异质性的假设，该合并模型承认研究间异质性的存在，但是不对异质性加以处理；
• 如果纳入合并的研究间存在异质性，尽管未达到我们常规设定的i^2>50%，但是在用fixed-effect model合并时，默认运算直接忽略这一部分异质性的存在，这样合并的结果会造成假阳性误差，而选用random-effect model合并时，尽管不处理异质性，但是其默认运算承认异质性的存在，合并结果更可信！

3.森林图绘制

forestplot

结果如下图

黑色方块表示的是权重大小，对应着右方的weight，水平横线是95%置信区间。菱形是合并效应值，95%置信区间小于0，意味着meta分析结果有统计学意义。

4.文献发表偏倚检验

可以用漏斗图及begger's及egger's检验

funnel(metamod)ranktest(metamod)#begg's检验#regtest(metamod)#egger's检验#

可能是由于文献数量的限制，漏斗图呈现明显不对称模式，无法判断是由于发表偏倚所致还是文献数量太少的缘故

可以看出begg's检验及egger's 检验的结果，p值都是大于0.05的，也就意味着没有发表偏倚。

5.敏感性检验

leavelout(metamod,digits = 3)

本文转载自csdn一个人旅行*-*

往期内容：

r数据分析：贝叶斯定理的r语言模拟

r数据分析：用r语言做潜类别分析lca

r可视化：如何用r做一个让别人一目了然的图

r语言：利用caret的dummyvars函数设置虚拟变量

r数据分析：r markdown：数据分析过程报告利器，你必须得学呀

总结

以上是凯发k8官方网为你收集整理的r语言数据变量分段_r数据分析：用r语言做meta分析的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得凯发k8官方网网站内容还不错，欢迎将凯发k8官方网推荐给好友。