无法推广的概括性结论？一项关于分类偏见对行为研究影响的元元分析

《Animal Behaviour》：Ungeneralizable generalizations? A meta-meta-analysis of the influence of taxonomic bias on the study of behaviour

　　

Ned A. Dochtermann | M.A. Sekhar | S. Nakagawa

北达科他州立大学生物科学系，美国法戈市，北达科他州

元分析是一种强大的工具，可用于整合行为研究并识别普遍模式。然而，我们应该考虑从这些分析中得出的结论是否真正具有跨动物群体的代表性，或者我们的结论是否受到基础研究中分类学偏见的影響。例如，在动物行为研究中，脊椎动物的比例过高。这种分类学不平衡引发了人们对研究结论普遍性的质疑。为了研究这一问题，我们查阅了2000年至2024年间发表在《Animal Behaviour》、《Behavioral Ecology》和《Behavioral Ecology and Sociobiology》上的元分析论文。随后，我们进行了“元元分析”，以计算由于分类学偏见导致的先前元分析结果中的总体效应被误估的程度。研究发现，基础研究中的分类学偏见显著影响了元分析中的效应大小估计，可能导致不正确的推论和概括。平均而言，元分析的平均值被显著误估，分类学偏见还导致了统计显著性的表面变化。由于元分析汇总了数据，因此它们会放大某一研究领域中存在的偏见，从而可能导致错误的概括。解决这种分类学偏见对于描述动物行为的真实多样性至关重要。

章节摘录

方法

为了解决这两个问题，我们查阅了三本主要行为学期刊上发表的元分析论文。然后，我们确定了这些元分析中使用的各研究的分类学代表性，以及如果数据以分类学上具有代表性的方式抽样，这些元分析的估计结果会如何变化。

行为元分析中使用的数据在分类学上存在明显偏向，偏向于脊椎动物（图3a，表1）。总体而言，元分析中使用的65%的估计数据来自脊椎动物，这一比例略低于行为研究中观察到的偏向程度（Rosenthal等人，2017年），但远高于基于分类学代表性所预期的5%。

经过折叠分布转换后，元分析的绝对对数比值的平均值为0.30（标准误差=0.08，P<...）

讨论

我们发现，分类学偏见对动物行为研究中的元分析估计结果的影响令人惊讶地大（图3b）。具体来说，我们的结果显示，行为元分析的平均值可能被误估了约35%。尽管这种误估程度取决于计算边缘化平均值所需的假设，但这表明从行为元分析中得出的结论可能存在重大问题。

Ned A. Dochtermann：撰写 – 审稿与编辑、撰写 – 原稿撰写、可视化、验证、监督、项目管理、方法论、研究、资金获取、正式分析、数据管理、概念化。M.A. Sekhar：撰写 – 审稿与编辑、可视化、验证、方法论、数据管理。S. Nakagawa：撰写 – 审稿与编辑、验证、软件开发、方法论、正式分析、数据管理。

所有数据和分析代码均可在此处获取：https://osf.io/4m6vj/overview

作者没有利益冲突。

我们感谢行为元分析的作者们通过公共仓库或应要求提供数据。我们还要感谢两位匿名审稿人的评论，他们的意见显著提高了手稿的清晰度。MAS得到了北达科他州立大学生物科学系和环境与保护科学项目的支持。NAD在这项工作中得到了美国国家科学基金会的支持（项目编号：IOS-2222929）。SN得到了加拿大卓越计划的资助。