Función Metafor rma.mv: estimaciones faltantes para dos niveles de un moderador categórico

Question

Estoy llevando a cabo un meta-análisis con varios categórica moderadores y una continua moderador; yo también estoy interesado en una interacción entre dos de los moderadores (resultado y la escala).

He utilizado el siguiente código para hacer esto:

Meta1<-rma.mv(yi=G, V=VG, mods = ~ Outcome * Scale + Scale_Type + Profac_def + Gender + Bias, random = list(~ 1 | Author_Num, ~ 1 | Study.in.Author, ~ 1 | Scale.in.Study, ~ 1 | Outcome.in.Study))

Seguido por la eliminación de la intersección para examinar las estimaciones para el nivel de cada factor (y la escala*resultado de las combinaciones), con las siguientes:

Meta1.1<-rma.mv(yi=G, V=VG, mods = ~ Outcome * Scale + Scale_Type + Profac_def + Gender + Bias - 1, random = list(~ 1 | Author_Num, ~ 1 | Study.in.Author, ~ 1 | Scale.in.Study, ~ 1 | Outcome.in.Study))

Ambos resultados y la escala tiene un montón de niveles (12 y 19, respectivamente). Sin embargo, la salida no se ve todos los niveles del factor de escala, o todos de los resultados*escala de combinaciones.

En el modelo con la intercepción, un nivel de la escala moderador falta, y un gran número de combinaciones. En el modelo sin intercepto, dos niveles de escala que faltan (incluyendo la categoría de referencia), y de nuevo un gran número de combinaciones.

Soy muy nuevo en R y no tienen idea de lo que está causando esto. Si alguien tiene alguna solución, y puede asesorar como puedo conseguir alrededor de esto, sería muy apreciado

Answer 1

Si se examina el resultado cuidadosamente, usted debe haber obtenido la siguiente advertencia cuando la medida de sus modelos:

Warning message:
In rma.mv(...) :
  Redundant predictors dropped from the model.

El problema es que el modelo de la matriz de la que se obtendrá en base a los moderadores que se incluyen en el modelo) no es de rango completo. Dicho de otra manera: no Hay suficientes datos disponibles para estimar cada uno de los coeficientes en el modelo. Como resultado, la función se ha reducido moderadores/predictores del modelo que son redundantes (de modo que el modelo reducido de la matriz es de rango completo).

Se nota que Outcome y Scale tienen 12 y 19 niveles, respectivamente. Eso solo significa que de un total de $12\times19 = 228$ los coeficientes de la necesidad de ser estimado, además de coeficientes adicionales para los otros moderadores. A menos que usted tiene miles de puntos de datos (y cada combinación de Outcome y Scale que realmente ocurre en el conjunto de datos), esto no va a funcionar.

Usted necesita considerar la simplificación de su modelo, por ejemplo, por el colapso de algunos de los niveles de la Outcome y Scale variables en un menor número de niveles. Incluso entonces, usted necesita para comprobar que cada combinación de los niveles de realidad se produce. Usted puede comprobar fácilmente mediante el examen de una tabla de contingencia de estos factores:

table(Outcome, Scale)

Usted también puede necesitar reconsiderar si es siquiera posible/realista para la estimación de la interacción entre esos dos factores. Tal vez usted necesita sólo se adhieren a un modelo de efectos principales solamente.