---
title: "فراتحلیل اثر ثابت و تصادفی"
description: "فراتحلیل اثر ثابت و تصادفی با ورود اثر و خطای استاندارد، بررسی ناهمگنی، DerSimonian–Laird و راهنمای گزارش نتایج."
canonical: https://teznevise.ir/online-calculation-tools/meta-analysis-calculator/
last_updated: 2026-09-10T14:48:28+00:00
lang: fa-IR
---

# فراتحلیل اثر ثابت و تصادفی

> Canonical: https://teznevise.ir/online-calculation-tools/meta-analysis-calculator/

فراتحلیل اثر ثابت و تصادفی با ورود اثر و خطای استاندارد، بررسی ناهمگنی، DerSimonian–Laird و راهنمای گزارش نتایج.

این ابزار فراتحلیل چه کاری انجام می دهد؟

این محاسبه گر برای ترکیب چند برآورد اثر که روی یک مقیاس مشترک قرار دارند طراحی شده است. برای هر مطالعه، مقدار اثر و خطای استاندارد آن را وارد می کنید و ابزار برآورد تجمیعی را با مدل اثر ثابت و مدل اثرات تصادفی محاسبه می کند. داده ها در مرورگر پردازش می شوند و برای خود محاسبه به سرور ارسال نمی شوند.

قبل از وارد کردن داده ها چه چیزهایی را کنترل کنیم؟

کنترل
سؤال اصلی

مقیاس اثر
آیا همه مطالعات دقیقاً یک نوع اندازه اثر را گزارش می کنند؟

جهت اثر
آیا مثبت و منفی بودن اثر در همه مطالعات معنای یکسانی دارد؟

خطای استاندارد
آیا SE را وارد می کنید، نه SD یا فاصله اطمینان خام؟

استقلال
آیا چند ردیف از یک نمونه واحد بدون اصلاح مناسب وارد نشده اند؟

جامعه و پیامد
آیا ترکیب مطالعات از نظر سؤال پژوهش قابل دفاع است؟

مدل اثر ثابت چه فرضی دارد؟

مدل اثر ثابت معمولاً بر این ایده بنا می شود که مطالعات در حال برآورد یک اثر مشترک هستند و تفاوت مشاهده شده میان نتایج عمدتاً از خطای نمونه گیری ناشی می شود. در این مدل، مطالعات دقیق تر وزن بیشتری می گیرند.

وجود اختلاف ظاهری میان نتایج به خودی خود به این معنی نیست که باید خودکار از مدل تصادفی استفاده کنید یا برعکس؛ انتخاب مدل باید با سؤال پژوهش، ساختار مطالعات و منطق علمی انجام شود.

مدل اثرات تصادفی چه تفاوتی دارد؟

مدل اثرات تصادفی فرض می کند اثر واقعی می تواند بین مطالعات متفاوت باشد و این اثرها از یک توزیع مشترک می آیند. ابزار فعلی برای برآورد واریانس بین مطالعه ای از روش DerSimonian–Laird استفاده می کند.

DerSimonian–Laird روش شناخته شده ای است، اما تنها گزینه موجود نیست و در بعضی شرایط روش هایی مانند REML ویژگی های آماری بهتری دارند. بنابراین خروجی این ابزار باید به عنوان یک تحلیل مشخص با این تنظیمات گزارش شود، نه به عنوان تنها نتیجه ممکن.

ناهمگنی چیست؟

ناهمگنی یعنی نتایج مطالعات بیش از چیزی که صرفاً از خطای نمونه گیری انتظار داریم با هم تفاوت دارند. این تفاوت ممکن است از جامعه، مداخله، ابزار اندازه گیری، مدت پیگیری، طراحی مطالعه یا کیفیت روش شناختی ناشی شود.

یک مدل تصادفی ناهمگنی را «حل» نمی کند؛ فقط آن را در مدل وزن دهی وارد می کند. اگر ناهمگنی قابل توجه است، علت های احتمالی آن باید جداگانه بررسی شوند.

آیا انتخاب مدل باید بر اساس آزمون ناهمگنی باشد؟

خیر. انتخاب fixed یا random نباید صرفاً بر پایه عبور یا عدم عبور یک آزمون آماری از آستانه مشخص انجام شود. بهتر است مدل از قبل با توجه به سؤال پژوهش و فرض درباره تغییرپذیری واقعی اثرها انتخاب شود و سپس تحلیل حساسیت و بررسی ناهمگنی انجام شود.

چه داده هایی وارد کنیم؟

برای هر مطالعه به دو جزء نیاز دارید:

اثر برآوردشده روی مقیاس مشترک؛

خطای استاندارد همان اثر.

اگر مقاله فقط فاصله اطمینان یا SD گزارش کرده، قبل از ورود باید تبدیل درست را انجام دهید. SE و SD قابل جایگزینی با یکدیگر نیستند.

یک مثال ساده

فرض کنید پنج مطالعه مستقل یک اثر استانداردشده را گزارش کرده اند. هر مطالعه یک estimate و SE دارد. پس از ورود آن ها، ابزار وزن های معکوس واریانس را می سازد و یک برآورد تجمیعی ارائه می دهد. در مدل تصادفی، واریانس بین مطالعات نیز به وزن ها اضافه می شود.

در گزارش پایان نامه یا مقاله چه بنویسیم؟

نوع اندازه اثر و جهت آن؛

تعداد مطالعات واردشده؛

مدل اثر ثابت یا تصادفی؛

روش برآورد واریانس بین مطالعه ای، در این ابزار DerSimonian–Laird؛

اثر تجمیعی و فاصله اطمینان؛

شاخص های ناهمگنی که در خروجی ابزار نمایش داده می شوند؛

هر تحلیل حساسیت یا دلیل حذف مطالعه.

اگر این محاسبه بخشی از فصل نتایج شماست، خدمات فصل چهارم پایان نامه و برای تصمیم های گسترده تر تحلیل آماری پایان نامه را ببینید.

محدودیت های این ابزار

تحلیل سوگیری انتشار انجام نمی دهد.

متارگرسیون یا تحلیل زیرگروه پیشرفته ندارد.

برای داده های بسیار کم رخداد یا ساختارهای خاص لزوماً روش مناسب نیست.

کیفیت مطالعات و ریسک سوگیری را ارزیابی نمی کند.

درستی ترکیب مطالعات را نمی تواند به جای پژوهشگر تصمیم بگیرد.

سؤالات متداول

اگر I² بالا باشد حتماً باید مدل تصادفی بزنیم؟

خیر. I² فقط یکی از شاخص های ناهمگنی است. انتخاب مدل باید با منطق علمی و طراحی مرور هماهنگ باشد.

آیا مدل تصادفی نتیجه محافظه کارانه تری می دهد؟

نه همیشه. تغییر وزن ها می تواند در بعضی مجموعه ها حتی برآورد متفاوتی ایجاد کند؛ «تصادفی» معادل «محافظه کارانه» نیست.

آیا می توان SD را به جای SE وارد کرد؟

خیر. این دو کمیت متفاوت اند و جایگزینی آن ها وزن مطالعات را خراب می کند.

اگر فقط دو یا سه مطالعه داشته باشم چه؟

تحلیل ممکن است قابل محاسبه باشد، اما برآورد ناهمگنی و تفسیر مدل تصادفی در مجموعه های کوچک ناپایدارتر است و باید با احتیاط بیشتری گزارش شود.

منبع روش شناختی

راهنمای روش شناختی اصلی این صفحه Cochrane Handbook, Chapter 10 است. این فصل تفاوت مدل های اثر ثابت و تصادفی، ناهمگنی و محدودیت روش DerSimonian–Laird را توضیح می دهد.

برای سایر محاسبه گرهای پژوهش به هاب ابزارهای محاسبه آنلاین برگردید.

## راهبری سایت
- [خانه](https://teznevise.ir/)
- [مشاوره پایان نامه](https://teznevise.ir/thesis/)
- [مشاوره پروپوزال](https://teznevise.ir/proposal/)
- [تحلیل آماری](https://teznevise.ir/service-statistics/)
- [هوش مصنوعی پژوهشگر](https://teznevise.ir/ai-research-assistant/)
- [ابزارهای آنلاین پژوهش](https://teznevise.ir/online-calculation-tools/)
- [بلاگ پژوهشی](https://teznevise.ir/blog/)
- [واژه نامه پژوهش](https://teznevise.ir/glossary/)
- [درباره تزنویسه](https://teznevise.ir/about-us/)
- [تماس با تزنویسه](https://teznevise.ir/contact-us/)
- [ثبت درخواست](https://teznevise.ir/inquiry/)
- [قوانین و ضوابط پژوهش](https://teznevise.ir/research-rules/)
- [حریم خصوصی](https://teznevise.ir/privacy-policy/)

## Sitemap

[Markdown sitemap](https://teznevise.ir/sitemap.md)
