Meta-Analyse partieller Korrelationskoeffizienten unter Verwendung von Fishers z-Transformation

Der partielle Korrelationskoeffizient (PCC) wird verwendet, um die lineare Beziehung zwischen zwei Variablen zu quantifizieren, während andere Variablen berücksichtigt/kontrolliert werden. Forscher synthetisieren häufig PCCs in einer Meta-Analyse, aber zwei der Annahmen des üblichen Modells der gleichbleibenden Effekte und des Modells der zufälligen Effekte werden definitionsgemäß verletzt. Erstens kann die Stichprobenvarianz des PCC nicht als bekannt angenommen werden, da die Stichprobenvarianz eine Funktion des PCC ist. Zweitens ist die Stichprobenverteilung des PCC jedes Primärstudie nicht normal, da PCCs zwischen -1 und 1 beschränkt sind. Ich plädiere dafür, die Fishers z-Transformation analog zur Anwendung der Fishers z-Transformation für Pearson-Korrelationskoeffizienten anzuwenden, da der Fishers z transformierte PCC unabhängig von der Stichprobenvarianz ist und seine Stichprobenverteilung einer normalverteilten Verteilung näher folgt. Die Reproduktion einer Simulationsstudie von Stanley und Doucouliagos und das Hinzufügen von Meta-Analysen basierend auf Fishers z transformierten PCCs zeigen, dass die Meta-Analyse basierend auf Fishers z transformierten PCCs eine geringere Verzerrung und Wurzelmittelquadratfehler hatte als die Meta-Analyse von PCCs. Daher ist die Meta-Analyse von Fishers z transformierten PCCs eine praktikable Alternative zur Meta-Analyse von PCCs, und ich empfehle, jede Meta-Analyse basierend auf PCCs mit einer unter Verwendung von Fishers z transformierten PCCs zu begleiten, um die Robustheit der Ergebnisse zu beurteilen.