Do methods matter in the meta-analysis of partial correlation coefficients?
偏相关系数的元分析中，方法选择是否重要？AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论偏相关元分析的通用估计与发表选择问题，未对应给定的特定计量细分。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
偏相关系数的元分析中，方法选择是否重要？
- 研究问题
- 偏相关系数元分析中，小样本偏差和发表选择偏差在实际研究里有多重要，不同汇总估计方法会怎样改变结论？
- 方法与思路
- 作者考察一百七十二项经济学偏相关元分析，比较常规随机效应、Fisher 变换、无约束加权最小二乘和 Hunter–Schmidt 方法。
- 材料陈述的贡献
- 摘要称，样本中的小样本偏差可忽略但仍有发表选择偏差；后两种方法给出较小、作者认为可能偏差较低的平均偏相关估计。
- 阅读关注点
- 应核对元分析样本的选取、两类偏差如何测量，以及较小估计被解释为较低偏差的依据和不同方法的权重设定。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获核实；真实平均偏相关并未由摘要确立，估计值更小本身不能证明偏差更低。
原文摘要
Recent studies have demonstrated that conventional meta-analyses of partial correlation coefficients (PCC) are biased. Several adjustments have been shown in simulations to reduce these small-sample biases to negligibility. While many meta-analyses of partial correlation coefficients are conducted each year across several disciplines, the practical importance of these issues remains unknown. To address this question and to offer advice for applications, we survey 172 economic meta-analyses of PCCs. We find that small-sample biases are negligible in practice. However, some publication selection biases remain. Although Fisher's z transformations have often been recommended, they reduce neither small-sample nor publication selection biases relative to conventional random effects. Both the unrestricted weighted least squares (UWLS) and the Hunter-Schmidt (HS) estimators produce smaller, arguably less biased, estimates of the mean PCC in these applications than either random effects with or without Fisher's z transformations. These findings offer practical guidance for any discipline that meta-analyzes partial correlations.