引言
最近一篇发表在 Science 分荟萃分析（meta-analysis）有这类图（图 1a）——包括一个预测区间（Prediction Interval，PI）；此外，专业的荟萃分析作图软件 R 包 orchaRd（见下方另一篇推送），也会默认绘制 PI（图 1b）：
图 1a：Functional traits—not nativeness—shape the effects of large mammalian herbivores on plant communities图 1b：metafor 和 orchaRd 让荟萃分析（meta-analysis）变得前所未有的方便！
异质性
很多荟萃分析关注的是平均效应量，而对于效应的异质性则关注甚少。事实上，通常报告的异质性统计数据并没有告诉我们效应量变化了多少（异质性的大小）。
例如，报告异质性最常见的指标是 I²：一般 I² 为 25%、50% 和 75% 通常被认为反映低、中和高水平的异质性。
虽然 I² 的使用很广泛，但 I² 并没有正确反应异质性的大小，因为：I² 为 25% 的荟萃分析，在效应上可能有很大差异；同样，而 I² 为 75% 的荟萃分析在效应上可能只有微不足道的差异。
虽然 I² 的使用很广泛，但 I² 并没有正确反应异质性的大小。
Heterogeneity - Meta-Analysis Workshop Online Video Series Course (@YouTube)1、Q（包括其 df 和对应的 p 值） 回答的问题：真实效应在每个研究里都一样么？——等于在商店问：珠宝价格是不是高于零元？——自然，Q 不能反映异质性的大小；正如即使回答了这个问题（价格大于零），不能反映珠宝的价格。
2、I² 回答的问题：观测到的效应中，有多少比例的变异是真实存在的？——等于在商店问：这件珠宝能打多少折？——自然，I² 不能反映异质性的大小；正如即使回答了这个问题（打 7 折），仍然不能反映珠宝的价格。——I² 是一个比例（proportion），不是绝对数量（amount）。
3、PI 回答的问题：效应有多大变异？——等于在商店问：这件珠宝能多少钱？
（注：文末有他的讲座视频。）
视频
Basics of meta-analysis: I² is not an absolute measure of heterogeneity