元分析

元分析是使用定量和统计手段对元数据进行初步研究的总结。 它试图以定量和统计的方式总结和呈现以往的研究工作。 与系统综述工作（也称为“综述”）的不同之处在于，综述对早期的研究数据和出版物进行批判性评价，而元分析仅包括对早期结果的定量和统计处理。

元分析在收集经验数据的所有研究领域进行。 这包括社会科学、医学和许多自然科学。

几个元分析的总结又被称为元分析。

元分析允许对一个科学研究领域的不同调查进行总结。 总结了同类初级研究的经验性个体结果。 目的是估计效果的大小。 有没有影响，有多大，有待研究。

执行元分析的原因包括：

• 由于各种原因，主要研究的样本太小，无法提供可外推到类似案例的可靠结果。 如果以适当的方式总结许多调查，由于样本总数较大，所获得的结果会更可靠。
• 通常，主要研究使用不同的方法、定义或者不从同一人群中抽取样本。 还有一些因素会影响个人结果。 在元分析中，可以确定存在哪些影响，它们有多强，以及是否仍然可能形成有效的整体图景。
• 不应低估元分析（以及评论）的实施成本相对较低，但仍能提供有价值的结果。 它为整个研究领域勾勒出未来的研究活动奠定了基础。
• 发表偏倚， 可以确定阳性结果和“阴性”结果之间的关系，即非显着结果。

元分析包括社会科学研究过程的所有要素，因为它们是在初级研究中进行的。

• 首先是选择合适的研究问题和研究对象的确切限制。
• 对于基于出版物的元分析，数据收集包括系统和详尽的文献搜索。
• 然后对收集到的出版物中的信息进行编码和电子处理。
• 实际（统计）数据分析通常包括两个步骤：结果整合和随后的异质性分析。
• 最后，必须根据研究问题适当地准备和解释结果。

元分析的过程类似于叙述性评论，它以结构化的方式呈现科学主题的相关文献，进行比较并提供批评意见。 调查选择的主观性受到批评。 在这里，元分析通过为元分析建立选择主要研究的标准来实现更大的客观性。 但是，这会减少元分析中可能包含的考试数量。

将不同的研究归为一个科学研究领域只有在个别研究的效应量是对共同群体效应量的估计时才有意义。 必须进行同质性测试。

同质性检验假设一个统一的效应大小 Δ（发音为 delta）。 Δ 是一种普遍的效应大小度量，对应于双变量乘积矩相关性。 这是首选，因为各种统计参数（例如 r、t、F）被转换为 Δ能够。

然后使用显着性检验检查特定于研究的效应大小的同质性。 如果效应量是同质的，则可以计算平均 Δ 值，这对应于总体效应量的估计值，并且可以根据其大小进行显着性检验和分类。

如果存在异质效应量，则可以使用将具有异质效应量的研究划分为同质亚组的策略。 然后应确定调节变量对异质性的影响，这是使用方差或聚类分析来完成的。 如果没有关于调节变量影响的直接假设，也可以计算调节变量与研究特定效果大小之间的相关性。 相关性水平描述了调节变量对个体效应大小异质性的影响。

由于调查报告通常不完整，只报告重要或不重要的结果，因此有一些方法可以元分析地使用这些调查（例如计数、符号测试、二项式测试和精确错误概率的计算，es 结果在 Stouffer 测试变量中）。 借助“故障安全 N”，如果如果一个重要的整体测试是可用的。 故障安全 N 的计算旨在抵消灰色文献（即未发表的研究）未被记录的问题。

元分析可以在最后用所谓的元回归四舍五入。 回归方法用于确定个别研究的哪些属性（例如诊断标准、来源、受试者数量……）导致哪些影响大小。

开放科学实践和工具可以简化元分析并提高其可重用性。

有人批评元分析的结果不是很有效，因为任何调查，无论其方法质量如何，都包含在元分析中。 然而，调查的方法学质量对元分析结果的影响可以通过质量标准对质量优秀的研究给予更多权重或排除不良研究的排除标准来控制。 这些研究可以根据方法学质量进行分组，并分别进行评估。

这里需要强调的是，少量受试者或样本的研究本身并没有缺陷。

有人批评元分析总结了不同操作变体的调查。 要求必须有同质的操作化，特别是关于因变量，因为它们都应该是同一结构的指标。 否则，调查涉及不同的标准，那么总结就没有意义了。

这个问题也可以通过根据出版时间或不同的定义/操作化对研究进行分组并分别进行评估来解决或缓解。

（文件抽屉问题）：通常，只有证实假定假设或显示重要结果的结果才会发表，而结果不显着的研究则不会发表（发表偏倚）。 这会导致元分析结果失真，因为它们过于频繁地证明了某种效应的存在。

发表偏倚是在每个仔细的元分析中估计的，例如用漏斗图。 然而，在元分析开始时，就应该评估灰色的、未发表的文献应该在多大程度上以何种程度被获取并被考虑在内。 然而，在已发表的文献中引用未发表的研究并不少见，如今，由于有了互联网，向研究人员索取未发表的数据很容易。 然而，这种方法造成了一个难以弥补的方法论弱点。