1. 怎么使用revman进行异质性分析
Meta分析-异质性解析
Meta分析是将多个具有相同研究目的的独立结果汇总起来，综合得到多个研究效应量的平均水平。Meta分析纳入的所有研究之间存在差异性，这些差异主要来源于研究对象、研究设计、干预措施、结果测量上的异质性。其来源有两类：一类是研究内变异，即抽样误差导致不同的研究虽来自相同的总体，却表现为不同的效应。另一类是研究间变异，指研究对象来自不同的总体以及偏倚的控制等诸多方面存在差异，造成实际效应的不相同。
在运用meta分析对多个研究结果进行合并之前，必须先进行异质性分析。因为按照医学统计学原理，只有具有同质性的资料才能进行合并或比较。通过异质性分析可以尽可能地消除导致异质性的原因，使之达到同质性，并且选择进行效应量合并的模型。异质性分析的方法主要为Q检验和I2值。合并统计量时，当多个研究之间具有同质性时，使用固定效应模型，若多个研究之间存在明显异质性时，则使用随机效应模型。
1.常用的处理异质性的方法
(1)Meta回归：通过建立回归方程，来反映一个或多个解释变量与结果变量之间的关系，从而筛选出导致异质性的重要影响因素。
(2)亚组分析：将所有数据分成更小的单元，进而在各亚组内进行比较，如按不同设计方案、研究质量、发表年代或者某亚类研究对象等分成亚组再分析。
(3)其他处理异质性的方法：包括随机效应模型、多元回归模型等，若异质性过大，特别在效应方向上极其不一致，不宜做Meta分析，只作一般性的统计描述。
Stata软件和RevMan软件均可以做异质性检验和亚组分析，前者还可以做Meta回归，而后者目前暂无实现Meta回归功能的模块。
2. 加急：正写文章，请叫有关空间异质性的问题
空间异质性(spatial
heterogeneity)是指某种生态学变量在空间分布上的不均匀性及复杂程度。这一名词在生态学领域应用广泛，其涵义和用法亦有多种。空间异质性是空间缀块性(patchness)和空间梯度(gradient)的综合反映。缀块性强调缀块的种类组成特征及其空间分布与配置关系，比异质性在概念上更为具体化一些。而梯度则指沿某一方向景观特征有规律地逐渐变化的空间特征(例如在大尺度上的海拔梯度，或小尺度上的缀块边缘—核心区梯度)。Li和Reynolds(1995)认为，异质性可根据两个组分来定义：即所研究的景观的系统特征及其复杂性和变异性。系统特征可以是具有生态学意义的任何变量(如植物生物量、土壤养分、温度等)。那么，异质性就是系统特征在时间和空间上的复杂性和变异性。
空间异质性依赖于尺度(粒度和幅度)，粒度和幅度对空间异质性的测量和理解有着重要的影响。空间异质性的确定还与数据类型有关。景观中不同的缀块类型可能有各不相同的变异性和复杂性。对于点格局数据，空间异质性可以根据点的密度和最近邻体距离的变异性来测定。对于类型图(如土地利用图、植被图)，空间异质性可以根据其缀块组成和配置的复杂性来测定。缀块组成包括缀块类型的数目和比例，而配置则包括缀块的空间排列、缀块形状、相邻缀块之间对比度、相同类型缀块之间的连接度、各向异性特征(anisotropy；即不同方向上的异质性也不同的现象)。对于数值图(如生物量分布图、水分或养分含量图)，空间异质性可以根据其变化趋势、自相关程度、各向异性特征来描述。
空间格局、异质性和缀块性是相互联系，但又略有区别的一组概念。它们最重要的共同点就是强调景观特征在空间上的非均匀性，及其对尺度的依赖性。空间异质性是自然界最普遍的特征，也是景观生态学研究的核心所在。非生物的环境异质性(如地形、地质、水文、土壤等方面的空间变异)以及各种干扰)以及各种干扰是景观异质性产生的主要原因。