ABSTRACT ABSTRACT
元分析常受两个相关问题的困扰:小样本研究以及许多研究间差异可能影响效果大小功率通常过低无法用元回归充分计算这些研究间差异研究者风险过大:数据捕捉噪声,而非真效果本章介绍MetaForest:机器学习方法识别元分析相关主持人MetaForest强健超配处理多位主持人并捕捉非线性特效和高阶交互本章讨论小样本和多主持人问题,介绍MetaForest小样本解决方案并提供教程示例分析
元分析常受两个相关问题的困扰:小样本研究以及许多研究间差异可能影响效果大小功率通常过低无法用元回归充分计算这些研究间差异研究者风险过大:数据捕捉噪声,而非真效果本章介绍MetaForest:机器学习方法识别元分析相关主持人MetaForest强健超配处理多位主持人并捕捉非线性特效和高阶交互本章讨论小样本和多主持人问题,介绍MetaForest小样本解决方案并提供教程示例分析
