고정효과 메타분석 (fixed-effects meta-analysis)
쉽게 풀면
고정효과 모형은 모든 연구가 사실상 같은 조건에서 같은 진짜 효과를 측정하고 있으며, 연구마다 결과가 다르게 나오는 것은 순전히 표본추출 과정의 우연 때문이라고 가정합니다. 이 가정 아래에서는 표본 크기가 큰 연구에 더 큰 가중치를 주어 결과를 합칩니다. 하지만 연구들이 실제로 서로 다른 모집단이나 조건을 다루고 있다면 이 가정은 비현실적일 수 있습니다.
왜 중요한가
메타분석은 개별 연구 하나로는 답하기 어려운 질문에 대해 여러 연구의 결과를 통합해 더 신뢰할 수 있는 결론을 내리는 방법이며, 이때 고정효과와 랜덤효과 중 어떤 모형을 쓰느냐가 결론의 확실성 평가에 직접 영향을 미칩니다. 특히 연구 대상과 처치가 엄격하게 통제된 실험실 연구를 통합할 때는 고정효과 모형이 합리적인 선택으로 여겨지며, 이 선택 근거를 논문에서 명시하는 것이 메타분석 방법론의 핵심 관행 중 하나입니다.
논문에서는 이렇게 쓰입니다
고정효과 모형 적용이 적절하다고 판단한 근거를 설명하는 문장이다.
임상시험처럼 프로토콜이 표준화된 연구군에서 고정효과 모형을 채택한 사례이다.
교육학 분야에서 연구 간 동질성을 근거로 고정효과 모형 선택을 정당화하는 문장이다.
조금 더 깊게 보면
고정효과 모형에서 각 연구의 가중치는 대체로 해당 연구 효과크기 추정치의 분산의 역수에 비례하며, 이는 표본이 클수록 추정이 정밀하다는 점을 반영한 것입니다. 랜덤효과 모형과의 핵심 차이는 연구 간 이질성(heterogeneity)을 반영하는 분산 성분을 추가로 고려하는지 여부이며, 이 이질성의 크기는 흔히 I제곱 통계량이나 Q 검정으로 점검합니다. 따라서 논문을 읽을 때는 저자가 왜 고정효과를 선택했는지, 그리고 이질성 검정 결과를 함께 보고했는지를 확인하는 것이 결과 해석에 중요합니다.
주의할 점
연구들 간 이질성이 큰데도 고정효과 모형을 적용하면 신뢰구간이 지나치게 좁게 추정되어 결과의 확실성을 과대평가할 위험이 있다.