问题描述
我们正在计算 3 种判断对 3 种暴力结果的总体影响大小。此多级荟萃分析中的每项研究对多种类型的判断和/或多种类型的暴力都有影响大小。可以理解，效果大小没有独立性。这就是我们在 R 元包中使用 rma.mv() 函数的原因。
现在出现的问题是计算每种暴力类型的每次判断的平均效果大小。 到目前为止，我一直无法找到有关执行此操作的最佳方法的指导。 评估每个暴力结果的单个效果大小的最合乎逻辑的方法是对其进行子集化，将判断与结果配对。这不会受到其他结果或判断的影响。下面嵌入了一个示例。
Viol.A<- rma.mv(y,v,random = list(~ 1 | Study,~ + 1 | Effect),tdist=TRUE,data=df,subset = Outcome==2 & Judgment ==3)
翻译是判断 A 得分（判断 ==3）对暴力犯罪（结果 ==2）的总体影响大小
同事想知道是否只对结果变量进行子集化，然后将所有判断类型放在同一个 rma.mv() 中，以得出每个判断对该结果的影响大小。不完全正确。我感觉这个输出在某种程度上取决于其他判断？下面嵌入了一个这样做的例子。
Viol <- rma.mv(y,subset = Outcome==2,mods = ~ A+B+C)
mods = ~ 三个判断（工具 A、工具 B、工具 C）。
两种操作都会产生不同的效果大小！ 很高兴我的直觉出错，只要我能得到关于哪个选项正确的反馈，为什么？非常感谢，Stack 社区！
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）