연구 간 이질성은 메타 분석에서 연구 전반에 걸친 실제 효과 크기의 변동을 의미합니다. 랜덤 효과 모델은 실제 효과의 분산을 정량화하는 타우 제곱(tau-squared)을 추정함으로써 이를 설명합니다. 높은 이질성은 뚜렷한 연구 하위 그룹을 나타내거나 결과를 통합하는 것이 무의미함을 시사할 수 있습니다. 이질성을 정량화하고 분석하는 것은 전반적인 효과 추정치의 신뢰성을 평가하는 데 중요합니다. 코크란 Q 통계량은 제곱의 가중 합계로, 표본 추출 오차와 실제 이질성을 구별하는 데 전통적으로 사용됩니다. 이는 연구 정밀도로 가중된 개별 연구 효과와 요약 효과 간의 편차를 측정합니다. Q는 대략적인 카이 제곱 분포를 가정하여 이질성에 대한 가설 검정을 가능하게 합니다. 그러나 Q는 연구 수와 그 정밀도에 영향을 받으므로 유일한 지표로서의 신뢰성이 제한적입니다. Q에서 파생된 I-제곱 통계량은 표본 추출 오차로 인한 것이 아닌 변동성의 백분율을 나타냅니다. 이는 낮음, 보통, 상당한 수준에 대한 일반적인 벤치마크를 사용하여 이질성의 더 해석 가능한 척도를 제공합니다. H-제곱 통계량은 Q를 기반으로 한 또 다른 척도로, 표본 추출 오차로 인한 관찰된 분산 대 예상 분산의 비율을 나타냅니다. 타우 제곱과 그 제곱근인 타우는 각각 실제 효과 크기의 분산과 표준 편차를 정량화합니다. 유용하지만 타우 제곱은 실제적으로 해석하기 어려울 수 있습니다. 이질성 분산과 통합 효과 표준 오차를 모두 고려하는 예측 구간은 미래 연구 효과의 범위를 나타내는 더 유익한 방법을 제공합니다. 따라서 이질성을 평가하기 위해 신뢰 구간 및 예측 구간과 함께 I-제곱을 보고하는 것이 권장됩니다.