Meta-Analysis with JASP, Part I: Classical Approaches

想象一下，科学界就像一座巨大且繁忙的图书馆，每一位研究人员都在撰写一本关于特定实验的书籍。有时，一本书说某种新药效果显著，而另一本书却说它毫无作用。这就是**元分析（meta-analysis）**发挥作用的地方。把它想象成一位超级图书管理员，他不仅阅读一本著作，而是收集数百本书，将它们堆叠起来，并从中理出隐藏在噪音中的真实故事。这就像试图在拥挤的体育场中听清一声细微的耳语；你不能只听一个人的声音，你需要结合所有人的声音来寻找真实的信号。

为了做到这一点，这位超级图书管理员使用了几个关键工具。首先，他们计算效应量（effect size），这是一种衡量结果“有多大”的方法，将不同类型的测量转化为一种通用的语言。接着，他们查看森林图（forest plot），这是一种看起来像森林中树木一样的图表，其中每棵树代表一项研究，树的位置显示了其结果。最后，他们检查异质性（heterogeneity），这只是一个高级词汇，用来询问：“这些研究讲述的是同一个故事，还是截然不同？”如果研究之间的差异太大，图书管理员必须使用特殊的数学方法来找出原因。科学家们之所以在意这一点，是因为依赖单一研究就像通过看一部电影的一个场景来评判整部电影；你可能会错过情节的反转或结局。

本论文介绍了一个名为 JASP（特别是其“元分析模块”）的新型用户友好型工具，它将这些强大且复杂的工具从计算机编程领域带入了简单的“点击式”界面。作者们是一群统计学家和软件开发人员，他们开发此工具是为了帮助那些并非程序员的科学家，无需编写代码行即可进行高级元分析。他们展示了 JASP 可以处理从基础汇总到非常复杂的情景，例如研究共享数据或具有多层信息的情况。该论文并不声称发现了新的宇宙定律；相反，它展示了一个免费、开源的软件现在可以承担高级统计工作的重任，使那些此前可能受限于使用更简单、功能较弱工具的研究者能够轻松上手。

超级图书管理员新工具箱的故事

想象你是一名试图破解谜题的侦探，但你的证人不是一个，而是五十个。有些证人是在远处观察到的，有些就在现场，还有些人的说法略有不同。在过去，为了将所有这些故事合并为一个清晰的真相，你需要成为一名编程大师，掌握计算机的秘密语言（如 R 语言），以构建一台能够分类证据的定制机器。如果你不会编程，你只能拿着一个基本的放大镜，从而错过微妙的线索。

本文的作者说：“让我们制造一台任何人都能使用的机器。”他们创建了一个集成在名为 JASP 的免费软件中的模块，这个模块就像是这项侦探工作的数字化高科技仪表盘。你不再需要输入代码，只需点击按钮、拖放数据，软件就会为你完成数学计算。论文通过三个不同的“案例”向你展示了这个仪表盘如何运作，证明了你现在无需成为程序员也能进行最先进的侦探工作。

案例 1：疫苗之谜（基础篇）
第一个案例涉及一个关于结核病疫苗的著名数据集。作者展示了如何使用 JASP 计算“效应量”（疫苗的效果如何）并绘制漏斗图（funnel plot）。把漏斗图想象成一个漏斗形状的图表，你把所有的研究结果丢进去。如果一切都公平公正，这些点应该形成一个整齐、对称的金字塔。如果金字塔是不对称的，可能意味着某些研究缺失或存在偏差。随后，软件会构建一张森林图，它看起来像一片树林，展示了每项研究的具体位置以及我们对结果的信心程度。作者展示了 JASP 甚至可以将树木进行分组（子组分析），以观察疫苗的效果是否因研究方式的不同而有所差异。结果如何？该软件成功复制了以往需要编程才能完成的复杂数学运算，使得运行“随机效应模型”（一种处理研究间差异的方法）变得轻而易举。

案例 2：写作干预（寻找模式）
在第二个案例中，侦探们研究了关于“以写促学”干预措施的研究。在这里，他们想知道干预时长或是否提供反馈会改变结果。这被称为元回归（meta-regression）。你可以将其想象为在散落的点阵中画一条线，以观察是否存在趋势。JASP 会为你画出这条线，甚至创建一个气泡图（bubble plot），其中较大的气泡代表更精确的研究。软件还会计算估计边际均值（Estimated Marginal Means），这是一种高级说法，意为：“如果我们保持其他变量不变，结果会是什么？”这就像是在问：“如果每个学生拥有完全相同的学习时间和反馈，他们的得分会是多少？”论文表明，JASP 可以处理这些复杂的比较，甚至可以测试数据的“分布情况”（异质性）是否随研究长度的变化而变化，这是一种称为**位置-尺度模型（location–scale model）**的技术。

案例 3：累犯之谜（纠缠的网络）
第三个案例是最棘手的。它研究了关于青少年犯罪和心理健康的研究。这里的难题在于，许多研究针对同一组青少年报告了多个结果（例如：攻击行为、欺凌行为和偷窃行为）。这创造了一个数据的“纠缠网络”，其中结果并不是相互独立的。如果你忽略这一点，你可能会认为你拥有的证据比实际更多的。作者展示了 JASP 如何利用多层模型（multilevel models，用于处理嵌套数据）、**多元模型（multivariate models，用于解释不同类型犯罪之间的相关性）以及聚类稳健标准误（cluster-robust standard errors，作为一种安全网，确保数学计算不被关联性所误导）**来解开这个纠缠的网络。在这个特定的案例中，即使在解开网络之后，软件仍然发现了一个具有统计学意义的差异：患有心理健康障碍的青少年具有不同的累犯率（合并效应量 $d=0.36$，95% 置信区间 [0.16, 0.56]）。

为什么这很重要

这篇论文不仅仅是在展示一个漂亮的界面；它主张高级统计方法不应被锁在计算机代码的围墙之后。通过将这些工具集成到 JASP 中，作者们认为，研究人员、教师和学生现在可以专注于解读科学，而不是调试代码。软件会在后台生成代码，因此如果你想学习，你可以看到它是如何实现的；但如果你只想得到答案，直接点击“运行”即可。

作者们谨慎地指出，虽然该模块涵盖了广泛的内容——从基础图表到复杂的多层模型——但它仍处于开发过程中。他们提到，一些功能（如网络元分析）计划在未来推出。但就目前而言，他们已经成功证明，一个免费、开源的工具可以处理合成科学证据所需的严谨且处于前沿水平的方法。他们并不是声称解决了科学中的所有问题，而是为超级图书管理员递交了一套更好的工具箱，一套任何人都可以拿起并使用，从而在噪音中寻找真相的工具。