metafor：rma参数介绍



rma和rrma.uni命令的功能


  1. 在meta分析中，基于固定效应模型或随机效应模型合并各种类型的效应值和结果，如log odds ratio, log relative risk, risk differences, mean differences等。
  2. 还可以用于引入解释变量后的混合效应模型，解释变量可以是分类变量也可以是连续变量。
rma(yi, vi, sei, weights, ai, bi, ci, di, n1i, n2i, x1i, x2i, t1i, t2i, m1i, m2i, sd1i, sd2i, xi, mi, ri, ti, sdi, ni, mods, measure="GEN", intercept=TRUE, data, slab, subset, add=1/2, to="only0", drop00=FALSE, vtype="LS", method="REML", weighted=TRUE, test="z", level=95, digits=4, btt, tau2, verbose=FALSE, control, ...)

参数

含义

yi

表示log adds ratio, log risk ratio, risk differences,mean differences, standardized mean differences, raw correlation coefficients, correlation coefficients transformed with Fisher’s r-to-z transformation等效应值大小或结果测量

vi

表示抽样方差的大小

sei

表示标准误的大小

当仅有ai, bi, ci, di, n1i, n2i, x1i, x2i, t1i, t2i, m1i, m2i, sd1i, sd2i, xi, mi, ri, ti, sdi, ni 这些数据时，需对参数measure进行设定（详见escalc函数）

或者也可以先用escalc函数计算得到yi，vi或sei，再用rma命令进行合并

measure

表示公式中提供的数据的类型，默认measure=“GEN”，即提供yi，vi或sei时的默认设置，但如果用前面单元格中的数据直接在rma函数中计算yi，vi，sei的话，需要改变measure的默认设置，详见escalc命令

mods

可选参数，在模型中 引入一个或多个解释变量变成混合效应模型

注意解释变量可以使连续变量也可以是分类变量

单个解释变量直接以一行或一列向量的形式给出即可,即mods=变量名称

多个解释变量以矩阵的形式给出，即mods=cbind(mod1,mod2,mod3)，intercept=FALSE可以去掉截距；

或者通过公式给出，即 mods=~mod1+mod2+mod3,如果想去掉截距，则mods=~mod1+mod2+mod3-1如果前面的参数时yi,vi,sei的话，可以直接写成yi~mod1+mod2+mod3，vi的形式

inercept

表示该模型中是否包含截距，默认是TRUE

data

表示包含该函数中yi，vi或sei等的数据框

subset

当纳入该模型的数据是原数据的子集时，用该命令定义数据集

slab

表示纳入研究的标签

method

在固定效应模型中，权重的计算是默认的，为inverse-variance weights，代码如下 rma(yi,vi,method="FE")，也可以用weight参数改变算方法，或利用weighted参数确定是否进行加权计算

在随机效应模型，method用来定义异质性的估计方法，选择一种即可，目前常用的是限制性极大似然法（REML），代码如下rma(yi,vi,method="DL/HE/HS/SJ/ML/REML/EB/PM/GENQ")

weighted

表示是否利用加权计算，默认TRUE，可改为FALSE

test

默认情况下，模型中各个系数（如CI）的统计学检验是基于标准正态分布，而多类题测试（omnibus test）是基于自由度为m的卡方分布

Knapp和Hartung方法(2013)是对所估计的系数标准误差的校正，它可以帮助解释真实效应方差的不确定性以及生成不同的参考分布，然后单个系数和置信区间通过n-p个自由度的分布进行评估，该校正只能用于随机或者混合效应模型。代码如下test=“knha”这个地方说实话我也不是很懂，帮助文档这么写的额，呜呜呜

level

表示置信区间的水平，0-100，默认为95

digits

表示输出结果的小数位数，默认是4

btt

在含有解释变量的模型中，模型中除了截距之外的其它参数都是通过多类题测试（omnibus test）进行估计的，btt是用来指定要测试的系数的索引，例如btt=c(3,4) ,表示模型中的第三个和第四个系数参与测试

这个参数我也不是很懂啊，帮助文档这么写的，呜呜呜

tau2

用于指定随机效应模型和混合效应模型中的残留异质性的大小，如果不特别指定，tau2会从数据中测得