原帖作者也提供了相应的数据文件（无需丁香园论坛币）
下载链接：
原帖全文如下：
寒假期间我结合周版主的视频和关于丁香园中元回归的帖子，对Stata 12.0中元回归的具体操作进行了总结，与大家分享和讨论元回归相关的问题！
在开始Meta回归之前，我觉得有必要介绍一下Meat回归的基本概念。
1.元回归的定义
元回归本质上仍然是一种回归分析方法，它与回归、线性回归等其他回归方法的区别在于，元回归的回归对象是单个研究，而回归和线性回归的回归对象是单个研究中的个体数据。元回归常用于Meta分析，探讨研究间异质性的来源和大小，并进一步解释异质性对Meta分析中综合效应大小的影响。具体而言，在Meta回归中，异质性的来源可以是实验干预的剂量、年龄、地点、语言等。
2.2.0中的元回归操作步骤
（本示例数据见附件）
步骤 1：按以下格式在 .0 中输入数据：
（直接从Excel复制数据到stata，然后使用命令重命名）
步骤2：由于itt、allo、phd为字符变量，在元回归中软件无法识别它们（：:），因此在进行元回归前需要给它们赋值。在命令栏中输入命令：
.gen abs==="是"
. =itt=="是的"
. =allo=="是的"
. =phd=="是的"
（注：95% CI 计算使用命令：=(log(ul)-log(or))/1.96）
结果如下：
步骤3：我们先进行单协变量回归，所谓协变量（）是指除了因变量之外，其他可能影响响应变量的变量。比如，我们研究维生素A剂量与腹泻发病率的关系，这里，维生素A剂量就是因变量（或），腹泻发病率就是响应变量（或）。如果我们在Meta分析中发现，维生素A的干预方式（、糖浆或）、研究地点（中国、日本）和干预时间（6、1年甚至2年）等因素对腹泻也有影响。那么，在“维生素A剂量与腹泻发病率研究”中，协变量就是干预方式、研究地点和干预时间。这里我们的协变量任意定义为。标签说明如下：
注1：
1. 在（y）列中输入响应变量。对于连续变量，在此输入SMD（或WMD、MD）；对于二元变量，在此输入logrr或logor；
2. 在一列中输入协变量，应在此处输入；
3.-study列有两个选项，一个是Std.Error，另一个是。这一列要求你选择对回归系数进行加权的依据。一般选择Std.Error。还有一个选项是指明每个study中包含Std.Error的变量。这里应该是sesmd（如果是二元变量，应该是或；
4. BS一栏需要选择算法，这里一般选择ReML（ ）。
阐明：
1. 如果选中此选项，Stata 将在图表中绘制圆圈，圆圈的大小取决于每个研究的权重（
）而不是研究的精确度（
)。实际上，勾选与否对回归结果影响不大。原因是：由于研究间差异（
）较小，所以权重和精度值接近。如果勾选该选项，圆圈会变小；
2. 图表：勾选此选项，结果中会生成相应的图表。注意此选项仅在只有一个协变量时适用；
3.Eform：勾选此选项，回归系数结果将以指数形式表示。
（电子表格已核实状态）
（Eform不勾选）步骤4：点击OK之后，会得到相应的结果：
结果解释：
1. Tau2 - 研究间变异的分量。其值越小，模型的拟合度越好。
2. I--res - 异质性解释的残差变异量。这里，异质性解释了 55.83% 的残差变异（另外 44.17% 的残差变异由研究间变异解释）；
3. 调整 R - 当前模型中包含的协变量可以解释的研究间变异量。这里，可以解释的研究间变异量为 55.16%。
步骤5：如果包含多个协变量，可以得到以下结果：
结果解释：
模型F（5，4）——所有协变量的联合检验，零假设是所有协变量的回归系数都等于0。在F（5，4）中，5代表纳入的协变量个数，4代表？？？；若P值小于检验水准（0.01或0.05），表明在纳入的多个协变量中，至少有一个协变量与反应量相关（至于哪个协变量相关及相关程度，无法从P值推断）。
步骤6：随着模型中包含的协变量个数增加，所得结果犯I型错误的概率增大，因此需要利用蒙特卡洛方法对P进行修正：
勾选该选项框，在右侧的数值框中输入蒙特卡洛随机排列的次数，一般为5000次或者20000次，勾选后计算结果会更加准确。
(=50)
(=100)
（=200，并检查）如果垂直方向的P值逐渐增大（是垂直的还是水平的？？请指点迷津），说明确实存在Type I错误，如下图所示：
另外，由于蒙特卡洛方法采用随机排列，如果希望两次结果相同，则应在执行蒙特卡洛方法之前使用命令：set seed。
好了，我的演示步骤就到此结束了，如果有错误的地方，还请指正！谢谢
（三）元回归的注意事项：（1）确保有足够多的研究纳入回归分析，如确保每个协变量模型至少有10个观测值；（2）在研究过程中预先确定要分析的协变量；（3）选择少量的协变量；（4）对每个协变量的探索必须符合科学原理；（5）协变量之间不应存在相互作用。
（四）元回归纳入的协变量个数的推断公式为：N=纳入研究个数/10。
（五）关于元回归的问题（请高手帮帮忙！！！）
（1）多个分类变量的元回归（>=3）
关于多分类变量的虚拟变量赋值方法，我参考了《实用循证医学方法论》中的相关内容，但还有疑问，现描述如下。假设协变量（，中国和日本）对SMD有影响，我在stata中使用如下方法赋值虚拟变量：，（），结果如下：
我的问题是：
1. 是吗？2 是中国？3 是日本？如果是，为什么回归结果中只有和？2 去哪了？另外，_cons 行是什么意思？
2.我想研究这个协变量是否是异质性的来源，但是赋虚拟变量之后就分成了三个新的协变量，这种情况下如果1和2的P值小于检验水准，3的P值大于检验水准，那么就说明1和2这两个协变量是异质性的来源，而3不是。那么它到底是不是异质性的来源呢？！
（2）关于蒙特卡洛运算
在蒙特卡洛计算中，周先生在他的视频中说“如果P值逐渐增大，说明确实存在I型错误。”那么我们应该横向比较P值还是纵向比较（如下图所示）？！
（3）下图中，F(5,4)中5表示纳入的协变量的数量。4代表什么？
（4）Meta- 与 dose- 我在 PLOS 上看到丁香园发表的一篇文章，里面有一个 dose- 图（见下图 1），跟我们的 Meta- 图很像（包含协变量时见图 2），图 1 中的 dose- 是不是通过 Meta- 实现的？！Meta- 和 dose- 是什么关系？！
（图1）
（图 2）
数据-.xls(14.5k) 在线查看