Saat ini saya sedang mengerjakan meta-analisis, untuk itu saya perlu menganalisis berbagai ukuran efek yang bersarang di dalam sampel. Saya setuju dengan pendekatan meta-analisis tiga tingkat Cheung (2014) untuk meta-analisis ukuran efek dependen, yang bertentangan dengan beberapa strategi lain yang mungkin (misalnya, mengabaikan ketergantungan, rata-rata ukuran efek dalam penelitian, memilih satu ukuran efek, atau menggeser unit analisis). Banyak ukuran efek dependen saya adalah korelasi yang melibatkan variabel yang cukup berbeda (tetapi terkait topikal), sehingga rata-rata di antara mereka tidak masuk akal secara konseptual, dan bahkan jika itu terjadi, itu akan memotong jumlah ukuran efek total saya untuk dianalisis hampir setengahnya.
Namun, pada saat yang sama, saya juga tertarik menggunakan metode Stanley & Doucouliagos (2014) untuk mengatasi bias publikasi dalam rangka memperkirakan efek meta-analitik. Singkatnya, satu cocok model meta-regresi memprediksi ukuran efek studi oleh varians masing-masing (uji efek presisi, atau PET), atau masing-masing kesalahan standar (perkiraan efek presisi dengan kesalahan standar, atau PEESE). Bergantung pada pentingnya intersep dalam model PET, kita bisa menggunakan intersep dari model PET (jika PET mencegat p > .05) atau model PEESE (jika PET mencegat p <.05) sebagai perkiraan publikasi- ukuran efek rata-rata bebas bias.
Masalah saya, bagaimanapun, berasal dari kutipan Stanley & Doucouliagos (2014):
Dalam simulasi kami, kelebihan heterogenitas yang tidak dapat dijelaskan selalu dimasukkan; dengan demikian, dengan praktik konvensional, REE [penduga efek acak] harus lebih disukai daripada FEE [penduga efek tetap]. Namun, praktik konvensional salah ketika ada pemilihan publikasi. Dengan pemilihan untuk signifikansi statistik, REE selalu lebih bias daripada FEE (Tabel 3). In inferioritas yang dapat diprediksi ini disebabkan oleh fakta bahwa REE sendiri merupakan rata-rata tertimbang dari rata-rata sederhana, yang memiliki bias publikasi terbesar, dan FEE.
Bagian ini membuat saya percaya bahwa saya tidak boleh menggunakan PET-PEESE dalam model meta-analitik efek-acak / efek-campuran, tetapi model meta-analitik multilevel tampaknya membutuhkan penduga efek-acak.
Saya bingung apa yang harus dilakukan. Saya ingin dapat memodelkan semua ukuran efek dependen saya, tetapi secara bersamaan mengambil keuntungan dari metode khusus ini untuk mengoreksi bias publikasi. Apakah ada cara bagi saya untuk mengintegrasikan secara sah strategi meta-analisis 3-level dengan PET-PEESE?
Referensi
Cheung, MWL (2014). Memodelkan ukuran efek dependen dengan meta analisis tiga tingkat: Pendekatan pemodelan persamaan struktural. Metode Psikologis , 19 , 211-229.
Stanley, TD, & Doucouliagos, H. (2014). Perkiraan meta-regresi untuk mengurangi bias pemilihan publikasi. Metode Sintesis Penelitian , 5 , 60-78.