I²：从计算到概念——元分析异质性统计量相关疑问

嘿，我刚好对元分析里的I²统计量挺熟悉的，你提到的这个点确实是很多人刚开始接触时容易卡壳的地方——我来给你把细节掰碎了说清楚：

定义的直观理解 #

Higgens 2003给出的官方定义看起来直白，但实际深究起来还是有需要抠的点：

研究间总变异中由异质性而非偶然因素导致的百分比

简单来说，这个指标就是帮你区分「不同研究结果的差异是真的存在本质不同（异质性）」还是「只是随机误差导致的波动」。

核心计算公式拆解 #

I²的典型计算公式是：
$$I^{2} = \frac{Q-df_{Q}}{Q}$$

这里面的两个关键参数得弄明白：

• Cochrane's Q统计量（Q）：它是各研究的效应量与合并效应量之间差值的加权平方和——权重一般是各研究效应量的逆方差，用来体现不同研究的精度差异。
• 自由度（df_Q）：等于纳入元分析的研究总数减1（也就是 n-1），这个自由度是对应Q统计量的分布设定的。

额外补充：I²的实际解读 #

• 当I²=0%时，说明研究间的变异完全来自随机误差，不存在异质性；
• 数值越高，说明由真实异质性导致的变异占比越大，行业内一般有这样的参考划分：
  • 25%以下：低异质性
  • 25%-50%：中等异质性
  • 50%以上：高异质性

内容的提问来源于stack exchange，提问作者Chris K