stata异质性分析_stata如何做异质性检验

stata异质性检验很难做吗

挺难的。

stata异质性分析_stata如何做异质性检验

stata异质性分析_stata如何做异质性检验

stata异质性分析_stata如何做异质性检验

stata异质性分析_stata如何做异质性检验

stata异质性分析_stata如何做异质性检验

一般来讲，时间序列数据较少出现异方现象，更多地是序列相关问题。用stata软件实现异方的检验，直观的是用图示法。作出残关于某一解释变量的散点图。在执行完回归指令regress以后，用 hettest 变量名 这个命令就能实现。其中变量名只包括除常数项以外的所有解释变量名称。你可以逐个命令进行作，也可以用批处理的方式来实现。

各种数据类型meta在stata中的实现

要对连续性数据进行meta分析，需要提取每篇文章的分组情况、样本量、均值、标准。需要初步整理为如下格式，如下图所示：

对文章效应指标的选择，目前使用较多的是加权均数（WMD）和标准均数（SMD）。

让原始研究效应估计的精度性决定其在meta分析中的权重，消除了的大小对分析结果的影响。

WMD在STATA软件中的计算语句为：nostandard

则表示暴露组和对照组观察变量的相对大小，可以消除研究中不同测量单位带来的影响，适用于不同指标来衡量相同结果的meta分析。

SMD在STATA软件中的计算语句为：Cohen, Hedge, Glass

理论上应该先判断研究异质性的大小，再根据异质性来选择分析模型，但在实际作中，常常先选择固定效应模型，然后计算异质性，如果异质性不接受，则再选择随机效应模型。

1)STATA 软件为 固定效应模型 提供的算法为倒方法，实施语句为fixed。

2）STATA 软件为 随机效应模型 提供的算法为I-V heterogeneity法，实施语句为random。

打开STATA软件的数据录入界面，将之前收集好的原始数据录入，如下图所示

固定效应模型分析语句：

metan n1 mean1 sd1 n2 mean2 sd2, label(namevar=study) texts(180) fixed nostandard

随机效应模型分析语句：

metan n1 mean1 sd1 n2 mean2 sd2, label(namevar=study) texts(180) random nostandard

将语句输入STATA的命令对话框，点击回车后，命令的结果会呈现如下，并自动弹出森林图。结果如下图所示：

STATA语句：

metafunnel _ES _seES

将语句输入STATA的命令对话框，点击回车后，会自动弹出漏斗图。结果如图5所示：

完结

文章研究的结局指标是二分类变量时，频数可以用2×2的表格呈现，如图1所示：

对于文章的效应指标的选择，通常有OR值（比值比），RR值（相对危险度）和RD值（率）。根据纳入文章的研究设计类型选择合适的分析指标。

1）数据录入：打开STATA软件中的数据录入界面，完成对纳入研究数据的录入。其中a,b,c,d分别代表二分类表中的频数，如图2所示：

分析STATA 语句：

固定效应模型：

metan a b c d, or fixed

随机效应模型：

metan a b c d, or random

将语句输入STATA的命令对话框，点击回车后，命令的结果会呈现如下，并自动弹出森林图。结果如图3所示：

首先使用的是固定效应模型，语句中lcols(study)用于在森林图中添加作者姓名和发表年份。结果显示：Q=5.1, p =0.404>0.05,表明研究间同质性较好，因为 p >0.1,I 2 <40%,故采用固定效应模型分析。终的分析结果为 p <0.001,表明结果有统计学意义。

STATA绘制的森林图如图4所示：

3）绘制漏斗图

STATA语句：

metafunnel _ES _selogES

将语句输入STATA的命令对话框，点击回车后，会自动弹出漏斗图。结果如图5所示：

每个散点代表纳入的研究，漏斗图可以直观地提示发表偏倚。

这就是二分类数据meta初步分析作流程。

在医学研究中，多分类数据很常见，例如血型（A型、B型、AB型和O型）。对于无序分类数据的研究，也可进行meta分析，但是 需要将多分类进行重新归纳整理成二分类的数据。 然后采用二分类数据meta分析的方法进行作，具体过程请筒子们看看文前。

相信大家在面对临床研究中，遇到过 只有效应量和置信区间的结果数据 ，没有其他具体描述的，但是邮件又无法联系原文作者；或者该研究就是源于交叉实验的效应量、时间分析（HR）的研究。面对想好的idea，是不是有点抓狂？不用怕，STATA软件也可以整合这样的数据，进行meta分析，下面将向大家介绍。

以 只有HR及其置信区间 的数据为例：

1）首先，关于效应模型的选择。与前文类似。

2）数据录入：打开STATA软件的数据录入界面，将之前收集好的原始数据录入，如下图所示：

其中hr代表文章的风险比（HR）效应值，ll代表HR的95%可信区间的下限，ul代表HR的95%可信区间的上限。

3）数据分析及森林图绘制：

首先要计算HR和95%可信区间的对数值。因为在meta分析中，通常要求效应异度量的对应样本统计量服从正态分布，效应指标是HR，则效应异度量为HR的对数值。

STATA语句命令为：

等数据转换完成后，就可以进行meta分析了。STATA的实行语句为：

metan lnhr lnll lnul, eform label(namevar=study) texts(180) effect(HR)

将语句输入STATA的命令对话框，点击回车后，命令的结果会呈现如下，并自动弹出森林图。结果如图2所示：

其中eform代表结果从HR对数值返回HR值；label(namevar=study)则在表格和森林图中注明研究信息；texts(180)用于调整森林图中文字的大小。

结果显示：

Q=12.88, p =0.116>0.05, 表明研究间同质性较好，因为 p >0.1,I 2 =37.9%,故采用固定效应模型分析。终的分析结果为 p =0.126>0.05,表明结果无有统计学意义。

弹出的森林图如图3所示：

stata斜率异质性检验p值怎么看

stata斜率异质性检验p值：在固定效应里面看

涉及到文件格式从表格转成dta数据、转成面板数据所需格式、多个面板数据dta合并、描述性统计、固定效应、随记效应、检验适用什么效应的hauan检验、截尾缩尾处理、spearman检验、pearson检验、单位根adf检验、简单版的GMM。

异质性检验的目的

异质性检验的目的是检查各个研究的结果是否具有可合并性。

一、异质性（heterogeneity）

异质性其实也就是我们经常所谓的异、别。它可以是个体层面上，也可以是群体层面上。前者属于个体异质性，后者属于总体异质性。异质性无处不在，这也是科学研究的真正本质。

二、检验与异质性

定量的科学研究所做的也就是在于理解或认识异质性的主要来源，为此很重要的方式之一就是做分组。所以我们总是在研究中运用从简单的t检验、方分析到更为复杂点的多元回归分析等统计分析方法来帮助我们做得更合理、更科学。

三、异质性分析

1、简单的处理就是纳入虚拟变量。比如，在工资收入的Mincer方程中纳入性别虚拟变量female（0=男性，1=女性）：Yi= β0+ β1expi + β2edui+ β3femalei + εi（其中i表示个体，exp为工龄，edu为受教育年限。）

2、上述方程对应着两个方程：对于男性，Yi =β0 + β1expi +β2edui + εi，对于女性，Yi =(β0 + β3) + β1expi + β2edui+ εi。表明工龄和受教育年限的收入对男性和女性是一样的，但两者在收入平均水平上具有异质性。

meta分析稳定性怎么办

很多小伙伴觉得写Meta分析难，花大量时间才弄懂Meta分析全流程、学会使用相关统计软件，但怎么也不明白Meta分析异质性，但其实找对方法写Meta分析并不难。今天我们就来讲讲什么是Meta分析异质性，以及怎么对Meta分析异质性进行处理。

Meta分析异质性的基本概念

根据Cochrane手册的定义，纳入同一个Meta分析的所有研究不可避免地都存在异，我们将Meta分析中不同研究间的各种不同，称之为异质性，当研究间存在异质性时，合并的结果可能是不可靠的，或合并本身就是不恰当的。因此需要识别和测量Meta分析异质性，并制定相应的策略，探索Meta分析异质性来源并进行处理。

在了解Meta分析异质性基本概念之后，我们还是得提一下Meta分析的8大步骤，如下图所示，以确定Meta分析异质性处理主要是在哪一步进行！

统计之光-Meta分析异质性

在Meta分析的八大步骤中，Meta分析异质性处理主要在7步——统计分析中进行， 当Meta分析纳入的各项研究均指向同一个结果，即各研究间具有同质性，则Meta分析具有意义，但如果各项研究指向的结果有很大偏，当Meta分析异质性较大时，超出了随机误，Meta分析的结果就不太可靠。此时，我们就需要通过各种方式对异质性进行检验。

Meta分析异质性几种定量检验方法

1、Q 统计量

该检验的无效设为纳入各研究的效应量均相同。具体公式如下图，对于公式我们不了解也不要紧，只需要知道，Q 服从于自由度为 k-1 的 χ分布，Q 值越大，其对应的 P 值越小。若 Q>χ(1-α)，则 P<α，表明研究间存在异质性。反之亦然。

2、I统计量

I统计量反映异质性部分在效应量总的变异中所占的比重。由下式计算得出

其 中 Q 为 Q 统计量，df 是它的自由度（即研究总个数减去 1 得 到的数值）。当 I =0（如果 I为负值，我们设它为 0）时，表明没有观察到异质性，I统计量越大异质性越大；异质性的低、中、高程度分别用I统计量 25%、50%、75% 表示。若 I>50%，则说明存在比较明显的异质性。

3、H 统计量

公式如下图，其中 k 表示纳入 Meta 分析的研究数。统计量 H 值为 1 表示各研究间无异质性，一般情况下，若 H>1.5 提示研究间存在异质性，H<1.2 则提示可认为各研究同质；若 H 值在 1.2 和 1.5 之间，当 H 值的 95%CI 包含 1，在 0.05 的检验水准下无法确定是否存在异质性，若没包含 1 则可认为存在异质性。

4、Galbraith 图法

该法提供了一个图形化的显示，可以直观得到 Meta 分析异质性。对于每一个试验， 以 Z 统计量（效应量除以它的标准误（b/se(b)））为纵轴、标准误的倒数（1/se(b)）为横轴作图。若该 Meta 分析各研究无异质性，我们将看到所有点落到可信区间回归直线的内部。

5、L’Abbe 图

该图通常用于RCT 的二分类变量数据的 Meta分析异质性检验。根据每个研究的处理组发生率相对于对照组的发生率作图，若研究结果同质，则所有点呈线性分布，若偏离该线过远，则表明该研究结果为异常。

经过预处理和检验仍存在异质性，Meta分析异质性处理方法

1、获得研究数据，采用多元回归模型

如果能得到每个研究的原始数据，可以探讨Meta分析异质性来源，并对每个研究采用统一的多元回归模型进行分析，以避免由于使用的模型不一致而导致的异质性。

2、采用随机效应模型

采用随机效应模型估计合并效应量，可对Meta分析异质性进行部分纠正。该法在Meta分析异质性不明显的条件下，与固定效应模型方法计算结果相似；若异质性明显，则可提高估算的可信区间的精度，并同时增大检验效能。

3、亚组分析

亚组分析是将所有数据分成更小的单元，进而在各亚组内进行比较，如按不同设计方案、研究质量、发表年代等进行亚组分析。亚组分析每次只能对一个变量进行亚组分析，并且对每个亚组都要进行效应量的合并。若要对两个以上的变量进行分析，则应采用Meta回归。

4、Meta回归

Meta回归是通过建立回归方程，来反映一个或多个解释变量与结果变量的关系。目前Meta回归虽然在Rev Man中没有被运用，但在STATA软件中通过“Metareg”宏能很好地实现。

5、敏感性分析

敏感性分析是用于评价结果稳定性的一种方法。如果敏感性分析结果与原分析结果没有冲突，那么该结果加强了原分析结果的可信度。如果敏感性分析结果得出不同结论，这提示存在与干预措施有关的潜在重要因素，应进行进一步研究以明确干预效果存在争议的来源。

若经过以上处理后异质性仍然过大，特别在效应的方向上极其不一致，这时候引用平均效应也许会导致误导，应考虑放弃Meta分析，只作一般的统计描述。上述文字用图表示如下。

统计之光-Meta分析异质性

为方便大家进一步了解Meta分析异质性，小编还为大家准备了一篇北大研究团队近期发表的一项的国人研究，该研究结果表明：30岁人群，如果保持上述5个健康的生活方式，心血管疾病、癌症、慢性呼吸疾病等发病率大幅减少，预期寿命可延长8-9年。

统计之光-Meta分析异质性

此项研究是针对人群开展的观察性研究，严谨的量化了综合生活方式对30岁人群预期寿命的影响，对推广健康生活方式有一定指导意义。

该研究纳入的CKB数据库，有大样本量和长随访的详细数据，使得研究能够针对不同性别、不同地区人群的全因和病因特异性亡率做详细的异质性分析，让结果具有更广泛的适用性，大家可以利用这篇文献更加深入的了解Meta分析异质性。

以上就是本次对Meta分析异质性的全部介绍啦，如果你近期想要发表Meta分析，但是对Meta分析异质性处理不太懂，怎么也学不会，可以试试通过我们进行系统的学习，我们拥有辅导上千医学人成功发刊的经验，能够帮你快速学会做Meta分析，发表SCI

如何用stata来检验内生性问题？

在Stata中，可以使用Hauan检验和Durbin-Wu-Hauan（DWH）检验来检验内生性问题。

1、Hauan检验：在执行固定效应模型（FE) 和随机效应模型（RE) 之前，可以使用hauan命令来进行检验。该检验的零设是随机效应模型是一致且有效的，即不存在内生性问题。如果p值小于0.05，则拒绝零设，表示存在内生性问题，需要使用固定效应模型。

2、DWH检验：执行回归后，先存储随机效应估计量和固定效应估计量，然后使用estimates store命令。接着，使用predict reghdfehat、predict xtfehat分别生成随机效应估计量和固定效应估计量的预测值。，使用dwatson2命令进行检验。

该检验的零设是随机效应模型是一致且有效的。如果p值小于0.05，则拒绝零设，表示存在内生性问题，需要使用固定效应模型。

内生性的问题通常由以下三个原因产生：

1、遗漏重要的解释变量，虽然也可加入被解释变量的滞后项，但结果可能不精准而产生其他的问题。而可以从其中主要是由于存在自选择和公司异质性的两个问题入手，对于自选择可以选择Heckman两阶段检验，而对于异质性则可以采取公司固定效应。但需要注意公司固定效应只能控制公司随时间不变的变量，却不能控制动态变化的变量。

2、变量之间实际上是属于联立方程、互相影响的关系，不是单纯的因果关系，可采取工具变量法解决。

3、测量误，也可采取工具变量法。