最近阅读几篇中文文章，遇到了“元分析”方法，其意思如何呢？
比如，我要在一个样本中研究个体的特征的，称为一般性的研究分析（primary analysis）。
如果我们要把别人的很多个研究结果用量化的方法再整合的，就称为元分析meta-analysis。
这里的元分析的元meta字，是从希腊文μετα而来，是“在……以上”的意思。因此，元分析是“在分析以上的分析secondary analysis”，也是把“原有的分析再分析”的意思。
一句话概括：元分析是“在分析以上的分析secondary analysis”
在现代化的工业生产中，我们研究智能设备的使用（X）与员工的工作效率水平（Y）时，两个用一样的测量工具，一样的样本大小。但是在山东一家工厂找到的数据基础上得到的数据进行分析得到的结果是r=0.39，在陕西的另一家制造玩具汽车的工厂找到的数据进行分析得到的时r=0.15。
可见，我们根据两个数据得到了两个不同的相关性，这一个结果可能是因为抽样误差引起，两个观察到相关系数的平均，也即是r=0.27，可能是一个更合理的估计。
如此，利用两个发表了的研究结果，用量化的方法重新分析，得到一个可能更为可信的结果，这就是一个最简单的元分析。总结不同的研究结果，经过处理，重新对参数做估计，所以元分析的结果，可能比原来分析的结果更有效力，更可信。
总结开来，元分析（meta-analysis )统计方法是对众多现有实证文献的再次统计，通过对相关文献中的统计指标利用相应的统计公式，进行再一次的统计分析，从而可以根据获得的统计显著性等来分析两个变量间真实的相关关系。
元分析程序输入参数包括：各个观察到的相关系数（已有研究文献中变量间的相关关系），样本容量等。由于很多研究中并未直接给出变量间的相关系数，但给出了t检验, F检验，均值方差等统计指标，则可根据Hunter andSchmidt(1990)的转换公式将这些统计指标转化为相关系数；输出参数主要包括变量间总体相关性的未修正（r） 和经过修正的（rc）指标，以及总体相关性的标准差(SDrc)等。其中r与rc是两个主要的参数，用于衡量两个变量之间的相关系数。
元分析要求每个观察到的相关系数经过研究样本的大小的权重处理，从而产生经过权重处理的总体相关性的平均估计值。这个观察值的误差包括总体样本的真实误差，样本误差，以及测量误差。因此为了获得精确的总体相关性及其误差，需要对样本误差和测量误差等进行修正，找出“调节变量”分组研究。另外，元分析对使用的数据进行了一定的限制要求。如“一个变量在不同的研究中有多种衡量指标”出现时，需首先得将这种“异质性”进行处理（Hunter and Schmidt,1990）以保证数据来源及统计方式的一致性。
版权声明
本文仅代表作者观点，不代表本站立场。
本文系作者授权，未经许可，不得转载。
