랜덤효과 메타분석 (random-effects meta-analysis)
쉽게 풀면
메타분석에서 각 연구가 사실은 조금씩 다른 상황과 표본을 다루고 있어서, 원래부터 서로 다른 '진짜 효과'를 가지고 있다고 가정하는 방식이 랜덤효과 모형입니다. 이 방법은 연구들 간의 차이(이질성)를 인정하면서 전체 평균적인 경향을 추정합니다. 연구들이 서로 다를 가능성이 높은 사회과학 분야에서 흔히 선호되는 접근입니다.
왜 중요한가
메타분석에 포함되는 개별 연구들은 대상 집단, 개입 방식, 측정 도구 등이 조금씩 다른 경우가 많아, 이런 차이를 무시하고 하나의 진짜 효과크기가 있다고 가정하면 결론이 왜곡될 수 있습니다. 랜덤효과 모형은 이러한 연구 간 차이를 통계적으로 인정하면서 전체적인 경향을 추정하기 때문에, 의학·심리학·교육학 등 이질적인 연구들을 종합해 근거 수준을 높이는 체계적 문헌고찰 논문에서 표준적인 분석 방법으로 자리 잡았습니다. 어떤 모형을 선택했는지가 결론의 신뢰구간과 해석에 직접 영향을 주기 때문에 방법론 부분에서 항상 근거와 함께 명시됩니다.
논문에서는 이렇게 쓰입니다
메타분석 모형 선택의 근거를 설명하는 문장이다.
서로 다른 국가와 시기에 수행된 연구들이 애초에 동일한 효과를 가진다고 보기 어렵다는 점을 고려해 랜덤효과 모형을 선택했다는 뜻입니다.
조금 더 깊게 보면
랜덤효과 모형에서는 연구 간 분산(tau-squared, τ²)이라는 추가적인 이질성 지표를 함께 추정하며, 이 값이 클수록 연구들 사이의 진짜 효과 차이가 크다는 뜻입니다. 이 분산을 추정하는 방식에도 DerSimonian-Laird 방법이나 최대우도 계열의 방법 등 여러 가지가 있어, 논문에서는 사용한 추정 방법을 함께 밝히는 경우가 많습니다. 또한 이질성이 통계적으로 유의하게 클 경우, 단순히 랜덤효과 모형을 적용하는 데 그치지 않고 메타회귀분석이나 조절효과분석을 통해 이질성의 원인을 추가로 탐색하기도 합니다.
주의할 점
랜덤효과 모형은 이질성이 매우 큰 경우 신뢰구간이 넓어져 통계적 검정력이 낮아질 수 있음을 유의해야 한다.