階層的効果量複数性の存在下での相関行列のメタアナリシス

科学分野:

• 心理学
• 統計学
• 研究方法論

背景:

• 相関行列のメタアナリシスは、構成概念間の関係に関する証拠を統合するために不可欠です。
• 既存のメタアナリシス手法では、研究内の複数のサンプルからの階層的効果量複数性がしばしば見過ごされています。
• この複数性は、研究ごとに（例えば、異なるサイトや国から）いくつかの相関行列を抽出することから生じます。

研究 の 目的:

• 相関行列のメタアナリシスのための新しい多レベル、多変量、ランダム効果モデリングアプローチを開発および説明すること。
• メタアナリシスデータにおける階層的効果量複数性の課題に対処すること。
• メタアナリシスベースラインモデルの選択のための柔軟なフレームワークを提供すること。

主な方法:

• 多レベル、多変量、ランダム効果モデリングフレームワークが提案されています。
• このアプローチは、相関行列のプールと階層的効果量複数性の処理を統合します。
• このフレームワーク内の4つの特定のワーキングモデルが提示され、説明されています。

主要な成果:

• 提案されたアプローチは、階層的依存性を考慮しながら相関行列を効果的にプールします。
• ランダム効果間の依存性に関するさまざまな仮説をテストできます。
• 実践的な応用のための説明的な例とRコードが提供されています。

結論:

• 開発された多レベル、多変量、ランダム効果モデルは、階層的データを持つ相関行列のメタアナリシスのための堅牢なソリューションを提供します。
• この方法論的進歩は、研究統合におけるプールされた相関推定値の精度と信頼性を向上させます。
• このアプローチは、複雑なデータ構造を扱うメタアナリストのための情報に基づいたモデル選択を容易にします。