漏斗图为什么一般是倒置的？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

1984年，Light等提出了漏斗图，一般以单个研究的效应量为横坐标，样本含量为纵坐标做的散点图。效应量可以为RR、OR和死亡比或者其对数值等。理论上讲，被纳入Meta分析的各独立研究效应的点估计，在平面坐标系中的集合应为一个倒置的漏斗形，因此称为漏斗图。


漏斗图的横坐标可以是效应量(OR,RR,HR,SWD等)，也可以是效应量的对数，当横坐标是效应量的时候，纵坐标可以是样本含量或者是效应量的标准误，也可以说效应量对数的标准误。


当纵轴是样本含量的时候，一般的小样本研究所估计的效应量变异程度较大，因而其效应量点估计分散在漏斗图的底部；随着样本含量的增加，大样本研究所估计的效应量的变异程度逐渐降低，因而其效应量点估计逐渐趋于密集在一个较窄的范围内。如果是标准误，按统计抽样的理论来说，样本量越大，结果越可靠，方差越小，标准误也越小；样本量越小，方差越大，波动越大，标准误也越大。因此，最终的结果都是呈一个倒置的漏斗形。


漏斗图基于统计理论：

1、样本量越大，结果越可靠，方差越小，置信区间窄；样本量越小，方差越大，波动越大，置信区间宽。每个研究可以看成一次随机抽样；

2、样本数越大的，研究的数目越少;样本数少的，研究数目多。



很多倒漏斗图的下面点比上面点多从而形成了倒置的图形。横坐标是效应量的对数，纵坐标是效应量对数的标准误的时候，最后的结果也是一个倒置的漏斗形。

相关帖子DA内容精选 2022年300个以上最佳免费数据科学课 大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！ 机器学习模型方法总结 历史最全机器学习/深度学习/人工智能专业术语表中英对照表 机器学习如何应用于商业场景？三个真实的商业项目 数据工作者的自我修养 | 哪些技能是必不可少的？ 《汗牛充栋：数据分析书籍分享》CDA网校新课上线 文本挖掘常用的107个语料库 一图读懂“东数西算”工程 零基础转行数据分析，看这篇文章就够了

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：漏斗图 meta分析 Light 样本含量 机器学习

漏斗图的横坐标可以是效应量(OR,RR,HR,SWD等)，也可以是效应量的对数，当横坐标是效应量的时候，纵坐标可以是样本含量或者是效应量的标准误，也可以说效应量对数的标准误。