关于Stouffer方法合并迷你元分析中重复测量研究p值的技术咨询

Great question! Let’s walk through this step by step, since merging p-values for repeated measures interactions requires some careful consideration.

1. 关于「p转z取平均再转回p」方法的正确性 #

这个思路本质上是等权重的Stouffer合并法，在满足以下前提的情况下是完全可行的：

• 两项研究的效应方向必须一致：z分数带有正负符号，对应交互作用的方向（比如「因素A在水平B1的效应显著大于B2」 vs 相反方向）。如果两个研究的交互作用方向相反，直接平均z分数会抵消效应，导致错误的合并结果。
• 研究必须是独立的：你提到是独立平衡样本，这符合该方法的核心假设。
• 使用单侧p值转换z分数：双侧p值会丢失方向信息，一定要根据交互作用的实际方向（比如你预期的效应模式）提取单侧p值后再转换。

补充说明：如果两项研究的样本量差异较大，加权Stouffer法（以样本量为权重计算z的加权平均）会比等权重更合理，但你是平衡样本，等权重完全没问题。另外，这个方法和Fisher的p值合并法（将-2ln(p)求和后用卡方检验）的区别是：Stouffer法考虑效应方向，对一致的小效应更敏感；Fisher法不考虑方向，适合不知道效应方向的情况。

2. 推荐相关文献 #

• 经典元分析教材：
  • Meta-Analysis: A Systematic Approach (Borenstein et al.)：这本书详细对比了各种p值合并方法的适用场景，包括针对重复测量数据的特殊考虑，非常适合入门和实践参考。
  • Handbook of Research Synthesis and Meta-Analysis (2nd Edition)：其中有专门章节讨论重复测量设计的元分析策略，包括交互作用效应的合并逻辑。
• 方法起源与经典论文：
  • The American Soldier: Adjustment during Army Life (Stouffer et al., 1949)：这是Stouffer合并法的原始出处，奠定了基于z分数合并独立研究结果的理论基础。
  • Combining Probabilities from Independent Tests (Fisher, 1932)：Fisher合并法的经典文献，虽然你用的是Stouffer法，但了解这个方法能帮助你理解不同p值合并策略的差异。

额外提醒 #

如果后续能获取到交互作用的效应量（比如部分η²、Cohen's f等），优先合并效应量而非仅合并p值——效应量能提供效应大小的信息，比p值更适合元分析的核心目标（整合效应强度）。但如果只有p值可用，你提到的方法是可靠的替代方案。

内容的提问来源于stack exchange，提问作者chiara