元套件現(xiàn)在支持相關(guān)系數(shù)的元分析（MA）。支持所有標(biāo)準(zhǔn)的元分析功能，如森林圖和亞組分析。該功能是 StataNow 的一部分。

　　傳統(tǒng)上，MA 主要針對(duì)二進(jìn)制或連續(xù)數(shù)據(jù)的兩個(gè)樣本，在這兩個(gè)樣本中，所關(guān)注的結(jié)果是通過通常被稱為治療組和對(duì)照組的兩組來衡量的。例如， MA 可以比較一種新藥與安慰劑的療效，或者兩種不同的教育干預(yù)措施對(duì)學(xué)生成績(jī)的影響。

　　有時(shí)，我們可能想調(diào)查多項(xiàng)研究中變量之間關(guān)系的強(qiáng)度和方向。這就是相關(guān)性原理發(fā)揮作用的地方。例如，研究人員可能有興趣綜合多項(xiàng)研究的結(jié)果，以了解數(shù)字設(shè)備使用與睡眠質(zhì)量之間的相關(guān)性?；蛘?，經(jīng)濟(jì)學(xué)家可能會(huì)進(jìn)行相關(guān)性分析，從不同的研究中分析不同guo家的市場(chǎng)波動(dòng)與投資者行為之間的關(guān)系。在這些情況下，可以使用 MA 來綜合不同研究的相關(guān)系數(shù)。

　　數(shù)據(jù)集示例：豆類消費(fèi)與減肥之間的相關(guān)性

　　與未來岳父母的會(huì)面取得了巨大成功，這部分歸功于你對(duì)美國素食主義者比例的精明MA。你未來的婆婆現(xiàn)在充滿了創(chuàng)業(yè)精神，她對(duì)擴(kuò)大自己網(wǎng)上餐館的菜單充滿了好奇。這一次，她想知道豆類的攝入量是否與減肥有關(guān)。作為常駐統(tǒng)計(jì)員，你又要上場(chǎng)了。

　　您提議進(jìn)行一項(xiàng)相關(guān)性分析，探索全美豆類消費(fèi)與減肥之間的關(guān)系。有了這些見解，這家網(wǎng)上餐廳就可以在菜單中加入豆類食譜，以推廣更健康的生活方式，從而提高其吸引力。假設(shè)您已經(jīng)確定了 13 項(xiàng)研究。

. describeContains data from legumes.dtaObservations:            13                  Fictional data of correlationsbetween legume consumption andweight lossVariables:             4                  10 Apr 2024 14:09Variable      Storage   Display    Valuename         typeformat    label      Variable label                   studylbl        str22   %22s                  Study labelcorr            float%9.0g                 Correlation valuentotal          int     %9.0g                 Study sample sizepulse           byte    %9.0g      pulsetype  Pulse typeSorted by:

　　相關(guān)數(shù)據(jù)的元分析

　　變量 corr 和 ntotal 分別表示每項(xiàng)研究中的相關(guān)性和受試者總數(shù)。我們使用 meta esize 來計(jì)算每個(gè)研究的 Fisher 

　　變換相關(guān)性。此 Fisher 

　　變換是一種方差穩(wěn)定變換，當(dāng)相關(guān)性接近 ?1 或 1 時(shí)特別優(yōu)選。

　　通過元大小將數(shù)據(jù)聲明為元數(shù)據(jù)

. meta esize corr ntotal, fisherz studylabel(studylbl)Meta-analysis setting informationStudy informationNo. of studies: 13Study label: studylblStudy size: _meta_studysizeSummary data: corr ntotalEffect sizeType: fisherzLabel: Fisher's zVariable: _meta_esPrecisionStd. err.: _meta_seCI: [_meta_cil, _meta_ciu]CI level: 95%Model and methodModel: Random effectsMethod: REML

　　您可以使用相關(guān)性選項(xiàng)指定未經(jīng)轉(zhuǎn)換的（原始）相關(guān)性作為效應(yīng)大小。由于未轉(zhuǎn)換相關(guān)性的方差取決于相關(guān)性本身，因此這種效應(yīng)大小的 MA 往往會(huì)人為地為相關(guān)性接近-1 或 1 的研究賦予較大的權(quán)重。

. meta update, correlation-> meta esize corr ntotal , correlation studylabel(studylbl)Meta-analysis setting information from meta esizeStudy informationNo. of studies: 13Study label: studylblStudy size: _meta_studysizeSummary data: corr ntotalEffect sizeType: correlationLabel: CorrelationVariable: _meta_esPrecisionStd. err.: _meta_seCI: [_meta_cil, _meta_ciu]CI level: 95%Model and methodModel: Random effectsMethod: REML

　　森林圖和其他薈萃分析技術(shù)

　　讓我們繼續(xù)看元效應(yīng)大小的di一個(gè)規(guī)范。在計(jì)算出感興趣的效應(yīng)大小并將數(shù)據(jù)聲明為元數(shù)據(jù)后，您可以像往常一樣使用任何 MA 技術(shù)。例如，要構(gòu)建森林圖，我們鍵入

. meta forestplot, correlationEffect-size label: CorrelationEffect size: _meta_esStd. err.: _meta_seStudy label: studylbl

　　correlation 選項(xiàng)指定將結(jié)果報(bào)告為相關(guān)性，而不是 Fisher 

　　值。這等效于使用 transform（“Correlation”：tanh） 選項(xiàng)應(yīng)用雙曲正切變換。豆類消費(fèi)與體重減輕之間的總體（平均）相關(guān)性為0.70，置信區(qū)間（CI）為[0.63,0.76]。

　　您可以進(jìn)行分組分析，研究脈搏組之間的相關(guān)性是否有顯著差異：

. meta forestplot, subgroup(pulse) esrefline insidemarker correlationEffect-size label: CorrelationEffect size: _meta_esStd. err.: _meta_seStudy label: studylbl

　　上述森林圖顯示了每個(gè)脈搏類別中的實(shí)質(zhì)性差異。耐人尋味的是，在每種脈搏中，某些研究顯示出更強(qiáng)的相關(guān)性，這可能與在改變飲食的同時(shí)補(bǔ)充體育鍛煉計(jì)劃有關(guān)。我們沒有任何證據(jù)表明亞組相關(guān)性之間存在差異

　　您對(duì)豆類的潛在健康益處充滿信心，可以建議您的婆婆將菜單多樣化，烹制一系列以豆類為基礎(chǔ)的菜肴，而不必在餐廳食譜中將一種豆類置于另一種豆類之上。