我正在使用metafor包来执行元回归。我的模型/代码的格式如下：
rma.mv(yi = data_mean, V = data_variance, random = ~ 1 | study_id/arm_id, data=mydata, mods = ~ mod1 + mod2 + mod3)
我的印象是默认加权是逆方差。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（而不是指定W）。这是为什么？
虽然我在这里，但我也想确认对于V我应该使用（标准错误）^ 2而不是（标准偏差）^ 2 - 这是正确的吗？ （似乎“差异”可以指两者，这令人困惑！）
答案 0 :(得分：1)
默认情况下，rma.mv()（和rma.uni()）使用观察到的结果的模型隐含方差 - 协方差矩阵的倒数作为权重矩阵。对于简单的固定或随机效应模型，模型暗示方差 - 协方差矩阵沿对角线分别与V或V + tau^2成对角线。因此，反向也是对角线上的1/V或1/(V + tau^2)对角线。
您正在研究级别和手臂级别使用具有随机效应的更复杂模型。因此，模型暗示结果的var-cov矩阵不是对角矩阵，因此其逆也不是对角线。因此，如果强制使用1/V权重（沿对角线变为对角线权重矩阵，1/V），则使用的权重矩阵与默认使用的权重矩阵完全不同。 / p>
至于你的第二个问题：V对应于估计的平方标准误差。这些也被称为估计的“抽样差异”。