【Meta常见问题第2期】固定效应 vs 随机效应：Meta分析模型选择全解析

别小看这一步！很多同学一开始就栽在模型选择上：一听“固定”和“随机”，就觉得随机更高级，结果用错了方向，影响整篇文章的稳健性。到底两者差别在哪？选错会有什么后果？

全优统计的老师们在日常中，已经积累了大量“踩坑”经验，总结出一套应对 meta 分析常见问题的实用方案。现在，我们决定将这些知识系统整理，推出全新系列栏目——「Meta常见问题」！

📌 这个栏目将围绕实际问题出发，逐一拆解 meta 分析中大家最常遇到的那些“拦路虎”，帮助你少走弯路，轻松上手 meta！

欢迎持续关注，也欢迎你在评论区或后台留言，说出你在做 meta 时遇到的问题，我们一起解决！💬

很多同学刚接触Meta分析时，最常问的就是：“到底用固定效应模型还是随机效应模型啊？”网上查了一圈，越看越晕；跟着别人套用公式，却根本不知道原理。其实这俩模型的区别并不复杂，关键在于你能不能搞懂它们背后的假设逻辑。

随机效应模型是不是做出来的

结果更好啊？

固定效应模型的解读会更方便吗？

随机效应模型并不是“高级版”或者“改进版”的固定效应模型，它只是适用于研究之间存在真实差异（即异质性较大）的情况。

它的好处是考虑了研究间的变异性，让结果更“宽容”，更具外推性（generalizability），适合异质性高的场景。但它也有缺点：

• 合并效应更保守（置信区间更宽）

• 显著性更难达成（更不容易“P<0.05”）

• 研究权