Episode
Visuelle Trichterplot-Ableitung für Metaanalyse
durch Michael Kossmeier
useR!2017: Visuelle trichterplot-Ableitung für meta-an...
Schlüsselwörter: Metaanalyse, Trichterplot, visuelle Ableitung, Publikationsverzerrung, kleine Studieneffekte
Webseiten: https://CRAN.R-project.org/package=metaviz,https://metaviz.shinyapps.io/funnelinf%5Fapp/
Das Trichterplot wird in der Metaanalyse häufig verwendet, um kleine Studieneffekte zu erkennen, insbesondere Publikationsverzerrungen. Es wurde jedoch immer wieder gezeigt, dass die Interpretation von Trichterplots sehr subjektiv ist und oft zu falschen Schlussfolgerungen über das Vorhandensein oder Fehlen solcher kleinen Studieneffekte führt (Terrin, Schmid und Lau 2005). Visuelle Ableitung (Buja et al. 2009) ist das formale Inferentialframework, das getestet werden soll, wenn grafisch angezeigte Daten eine Hypothese nicht unterstützen. Die allgemeine Idee lautet: Wenn die Daten eine alternative Hypothese unterstützen, sollte die grafische Anzeige, die die realen Daten anzeigt, identifizierbar sein, wenn gleichzeitig simulierte Daten unter der Nullhypothese angezeigt werden. Im Vergleich zu herkömmlichen statistischen Tests zeigte die visuelle Ableitung vielversprechende Ergebnisse in Experimenten, z. B. zum Testen linearer Modellkoeffizienten mit Boxplots und Punktplots (Majumder, Hofmann und Cook 2013). Mit dem Paket nullabor (Wickham, Chowdhury und Cook 2014) stehen hilfreiche allgemeine Funktionen für visuelle Rückschlüsse in R zur Verfügung. Aufgrund der oft unsicheren oder sogar irreführenden Natur von Trichterplots basierenden Schlussfolgerungen identifizierten wir Trichterplots als erstklassiges Kandidatenfeld für die Anwendung visueller Rückschlüsse. Zu diesem Zweck haben wir den Funktionstrichterinf entwickelt, der im R-Paket metaviz verfügbar ist. Der Funktionstrichter ist speziell auf die visuelle Ableitung von Trichterplots zugeschnitten, z. B. mit Optionen zum Anzeigen von Schrittprofilen, der Regressionslinie von Egger und zur Verwendung verschiedener metaanalytischen Modelle für die Nullplotsimulation. Darüber hinaus werden die Funktionen von Trichterinf als glänzende App für die praktische Verwendung durch Metaanalysten verfügbar gemacht, die nicht mit R vertraut sind. Visuelle Trichterplot-Ableitung und die Funktionen von Trichterinf werden mit realen Daten aus einer Metaanalyse zum Mozart-Effekt veranschaulicht. Darüber hinaus werden Die Ergebnisse eines empirischen Experiments, das die Leistungsfähigkeit der visuellen Trichterplot-Inferanz im Vergleich zu herkömmlichen statistischen Trichterplot-basierten Tests bewertet, vorgestellt. Implikationen dieser Ergebnisse werden erörtert, und spezifische Richtlinien für die Verwendung visueller Trichterplots werden gegeben.
Referenzen Buja, Andreas, Dianne Cook, Heike Hofmann, Michael Lorenz, Eun-Kyung Lee, Deborah F Swayne und Hadley Wickham. 2009. "Statistische Ableitung für explorative Datenanalyse und Modelldiagnose." Philosophische Transaktionen der Royal Society of London A: Mathematische, Physikalische und Ingenieurwissenschaften 367: 4361–83.
Majumder, Mahbubul, Heike Hofmann und Dianne Cook. 2013. "Validierung visueller statistischer Rückschlüsse, angewendet auf lineare Modelle." Journal der American Statistical Association 108: 942–56.
Terrin, Norma, Christopher H Schmid und Joseph Lau. 2005. "In einer empirischen Bewertung des Trichterplots konnten Forscher keine Verzerrung der Publikation erkennen." Journal of Clinical Epidemiology 58: 894–901.
Wickham, Hadley, Niladri Roy Chowdhury und Di Cook. 2014. Nullabor: Tools für grafische Ableitung. https://CRAN.R-project.org/package=nullabor.
useR!2017: Visuelle trichterplot-Ableitung für meta-an...
Schlüsselwörter: Metaanalyse, Trichterplot, visuelle Ableitung, Publikationsverzerrung, kleine Studieneffekte
Webseiten: https://CRAN.R-project.org/package=metaviz,https://metaviz.shinyapps.io/funnelinf%5Fapp/
Das Trichterplot wird in der Metaanalyse häufig verwendet, um kleine Studieneffekte zu erkennen, insbesondere Publikationsverzerrungen. Es wurde jedoch immer wieder gezeigt, dass die Interpretation von Trichterplots sehr subjektiv ist und oft zu falschen Schlussfolgerungen über das Vorhandensein oder Fehlen solcher kleinen Studieneffekte führt (Terrin, Schmid und Lau 2005). Visuelle Ableitung (Buja et al. 2009) ist das formale Inferentialframework, das getestet werden soll, wenn grafisch angezeigte Daten eine Hypothese nicht unterstützen. Die allgemeine Idee lautet: Wenn die Daten eine alternative Hypothese unterstützen, sollte die grafische Anzeige, die die realen Daten anzeigt, identifizierbar sein, wenn gleichzeitig simulierte Daten unter der Nullhypothese angezeigt werden. Im Vergleich zu herkömmlichen statistischen Tests zeigte die visuelle Ableitung vielversprechende Ergebnisse in Experimenten, z. B. zum Testen linearer Modellkoeffizienten mit Boxplots und Punktplots (Majumder, Hofmann und Cook 2013). Mit dem Paket nullabor (Wickham, Chowdhury und Cook 2014) stehen hilfreiche allgemeine Funktionen für visuelle Rückschlüsse in R zur Verfügung. Aufgrund der oft unsicheren oder sogar irreführenden Natur von Trichterplots basierenden Schlussfolgerungen identifizierten wir Trichterplots als erstklassiges Kandidatenfeld für die Anwendung visueller Rückschlüsse. Zu diesem Zweck haben wir den Funktionstrichterinf entwickelt, der im R-Paket metaviz verfügbar ist. Der Funktionstrichter ist speziell auf die visuelle Ableitung von Trichterplots zugeschnitten, z. B. mit Optionen zum Anzeigen von Schrittprofilen, der Regressionslinie von Egger und zur Verwendung verschiedener metaanalytischen Modelle für die Nullplotsimulation. Darüber hinaus werden die Funktionen von Trichterinf als glänzende App für die praktische Verwendung durch Metaanalysten verfügbar gemacht, die nicht mit R vertraut sind. Visuelle Trichterplot-Ableitung und die Funktionen von Trichterinf werden mit realen Daten aus einer Metaanalyse zum Mozart-Effekt veranschaulicht. Darüber hinaus werden Die Ergebnisse eines empirischen Experiments, das die Leistungsfähigkeit der visuellen Trichterplot-Inferanz im Vergleich zu herkömmlichen statistischen Trichterplot-basierten Tests bewertet, vorgestellt. Implikationen dieser Ergebnisse werden erörtert, und spezifische Richtlinien für die Verwendung visueller Trichterplots werden gegeben.
Referenzen Buja, Andreas, Dianne Cook, Heike Hofmann, Michael Lorenz, Eun-Kyung Lee, Deborah F Swayne und Hadley Wickham. 2009. "Statistische Ableitung für explorative Datenanalyse und Modelldiagnose." Philosophische Transaktionen der Royal Society of London A: Mathematische, Physikalische und Ingenieurwissenschaften 367: 4361–83.
Majumder, Mahbubul, Heike Hofmann und Dianne Cook. 2013. "Validierung visueller statistischer Rückschlüsse, angewendet auf lineare Modelle." Journal der American Statistical Association 108: 942–56.
Terrin, Norma, Christopher H Schmid und Joseph Lau. 2005. "In einer empirischen Bewertung des Trichterplots konnten Forscher keine Verzerrung der Publikation erkennen." Journal of Clinical Epidemiology 58: 894–901.
Wickham, Hadley, Niladri Roy Chowdhury und Di Cook. 2014. Nullabor: Tools für grafische Ableitung. https://CRAN.R-project.org/package=nullabor.
Feedback? Melden Sie hier ein Problem.