面包屑。按此浏览各网页。
摘要
元分析经常遇到两个相关的问题:研究样本较小,研究之间存在许多差异,这些差异可能会影响效果大小。使用元回归来充分解释这些研究之间的差异通常是很低的。研究人员冒着过度拟合的风险:在数据中捕捉噪音,而不是真实的影响。本章介绍元森林:一种基于机器学习的方法,用于识别元分析中的相关版主。MetaForest在过度拟合方面非常强大,处理了许多调节器,并捕获了非线性效应和高阶交互。本章讨论了小样本和许多版主的问题,介绍了MetaForest作为一个小样本解决方案,并提供了一个教程示例分析。