Περίληψη:
Σε μια μετα-ανάλυση , οι άγνωστες παράμετροι συχνά υπολογίζονται με μέγιστη
πιθανοφάνεια, και τα συμπεράσματα βασίζονται στην ασυμπτωτική θεωρία.
Θεωρείται ότι , προϋπόθεση για τα χαρακτηριστικά των μελετών που
περιλαμβάνονται στο μοντέλο, η κατανομή μεταξύ των μελετών και οι κατανομές
των σφαλμάτων δειγματοληψίας είναι κανονικές. Στην πράξη, όμως, τα δείγματα
πεπερασμένα, και η υπόθεση της κανονικότητας μπορεί να παραβιαστεί ,
ενδεχομένως να προκληθούν μεροληπτικές εκτιμήσεις και ακατάλληλα τυπικά
σφάλματα. Σε αυτή την εργασία, προτείνουμε μια παραμετρική και δυο μη
παραμετρικές μεθόδους bootstrap που μπορούν να χρησιμοποιηθούν για την
προσαρμογή των αποτελεσμάτων της μέγιστης πιθανοφάνειας σε μετα-ανάλυση.
Λέξεις-κλειδιά:
Μετα-ανάλυση, Μοντέλο σταθερών επιδράσεων, Μοντέλο τυχαίων επιδράσεων, Bootstrap, Προσομοίωση
