R metafor - 为什么使用默认权重与将权重设置为 1/方差时结果不同？
R metafor - why are results different when using default weights vs. setting weights to 1/variance?
我正在使用 metafor 包执行元回归。我的 model/code 的形式是：
rma.mv(yi = data_mean, V = data_variance, random = ~ 1 | study_id/arm_id, data=mydata, mods = ~ mod1 + mod2 + mod3)
我的印象是默认权重是逆方差。但是，我注意到如果我将参数 "W = 1/data_variance" 添加到上面的代码中，它会产生不同的结果（与不指定 W 相比）。这是为什么？
虽然我在这里，但我还想确认对于 V 我应该使用 (standard error)^2 而不是 (standard deviation)^2 -- 这样正确吗？ （好像"variance"都可以指代，很迷惑！）
默认情况下，rma.mv()（和rma.uni()）使用观察结果的模型隐含方差-协方差矩阵的逆矩阵作为权重矩阵。对于简单的固定效应或随机效应模型，模型隐含的方差-协方差矩阵是对角线，沿对角线分别为 V 或 V + tau^2。因此，逆也是对角线 1/V 或 1/(V + tau^2) 沿对角线。
您正在使用一个更复杂的模型，该模型在研究水平和手臂水平具有随机效应。因此，模型隐含的结果的 var-cov 矩阵不是对角矩阵，因此它的逆矩阵也不是对角矩阵。因此，如果您强制使用 1/V 权重（它会变成对角线权重矩阵 1/V 沿对角线），您使用的权重矩阵与默认使用的权重矩阵完全不同。
关于您的第二个问题：V 对应于估计值的平方标准误差。这些也称为估计值的 'sampling variances'。
我正在使用 metafor 包执行元回归。我的 model/code 的形式是：
rma.mv(yi = data_mean, V = data_variance, random = ~ 1 | study_id/arm_id, data=mydata, mods = ~ mod1 + mod2 + mod3)
我的印象是默认权重是逆方差。但是，我注意到如果我将参数 "W = 1/data_variance" 添加到上面的代码中，它会产生不同的结果（与不指定 W 相比）。这是为什么？
虽然我在这里，但我还想确认对于 V 我应该使用 (standard error)^2 而不是 (standard deviation)^2 -- 这样正确吗？ （好像"variance"都可以指代，很迷惑！）
默认情况下，rma.mv()（和rma.uni()）使用观察结果的模型隐含方差-协方差矩阵的逆矩阵作为权重矩阵。对于简单的固定效应或随机效应模型，模型隐含的方差-协方差矩阵是对角线，沿对角线分别为 V 或 V + tau^2。因此，逆也是对角线 1/V 或 1/(V + tau^2) 沿对角线。
您正在使用一个更复杂的模型，该模型在研究水平和手臂水平具有随机效应。因此，模型隐含的结果的 var-cov 矩阵不是对角矩阵，因此它的逆矩阵也不是对角矩阵。因此，如果您强制使用 1/V 权重（它会变成对角线权重矩阵 1/V 沿对角线），您使用的权重矩阵与默认使用的权重矩阵完全不同。
关于您的第二个问题：V 对应于估计值的平方标准误差。这些也称为估计值的 'sampling variances'。