元分析

元分析是使用定量和統計手段對元數據進行初步研究的總結。 它試圖以定量和統計的方式總結和呈現以往的研究工作。 與系統綜述工作（也稱為“綜述”）的不同之處在于，綜述對早期的研究數據和出版物進行批判性評價，而元分析僅包括對早期結果的定量和統計處理。

元分析在收集經驗數據的所有研究領域進行。 這包括社會科學、醫學和許多自然科學。

幾個元分析的總結又被稱為元分析。

元分析允許對一個科學研究領域的不同調查進行總結。 總結了同類初級研究的經驗性個體結果。 目的是估計效果的大小。 有沒有影響，有多大，有待研究。

執行元分析的原因包括：

• 由于各種原因，主要研究的樣本太小，無法提供可外推到類似案例的可靠結果。 如果以適當的方式總結許多調查，由于樣本總數較大，所獲得的結果會更可靠。
• 通常，主要研究使用不同的方法、定義或者不從同一人群中抽取樣本。 還有一些因素會影響個人結果。 在元分析中，可以確定存在哪些影響，它們有多強，以及是否仍然可能形成有效的整體圖景。
• 不應低估元分析（以及評論）的實施成本相對較低，但仍能提供有價值的結果。 它為整個研究領域勾勒出未來的研究活動奠定了基礎。
• 發表偏倚， 可以確定陽性結果和“陰性”結果之間的關系，即非顯著結果。

元分析包括社會科學研究過程的所有要素，因為它們是在初級研究中進行的。

• 首先是選擇合適的研究問題和研究對象的確切限制。
• 對于基于出版物的元分析，數據收集包括系統和詳盡的文獻搜索。
• 然后對收集到的出版物中的信息進行編碼和電子處理。
• 實際（統計）數據分析通常包括兩個步驟：結果整合和隨后的異質性分析。
• 最后，必須根據研究問題適當地準備和解釋結果。

元分析的過程類似于敘述性評論，它以結構化的方式呈現科學主題的相關文獻，進行比較并提供批評意見。 調查選擇的主觀性受到批評。 在這里，元分析通過為元分析建立選擇主要研究的標準來實現更大的客觀性。 但是，這會減少元分析中可能包含的考試數量。

將不同的研究歸為一個科學研究領域只有在個別研究的效應量是對共同群體效應量的估計時才有意義。 必須進行同質性測試。

同質性檢驗假設一個統一的效應大小 Δ（發音為 delta）。 Δ 是一種普遍的效應大小度量，對應于雙變量乘積矩相關性。 這是首選，因為各種統計參數（例如 r、t、F）被轉換為 Δ能夠。

然后使用顯著性檢驗檢查特定于研究的效應大小的同質性。 如果效應量是同質的，則可以計算平均 Δ 值，這對應于總體效應量的估計值，并且可以根據其大小進行顯著性檢驗和分類。

如果存在異質效應量，則可以使用將具有異質效應量的研究劃分為同質亞組的策略。 然后應確定調節變量對異質性的影響，這是使用方差或聚類分析來完成的。 如果沒有關于調節變量影響的直接假設，也可以計算調節變量與研究特定效果大小之間的相關性。 相關性水平描述了調節變量對個體效應大小異質性的影響。

由于調查報告通常不完整，只報告重要或不重要的結果，因此有一些方法可以元分析地使用這些調查（例如計數、符號測試、二項式測試和精確錯誤概率的計算，es 結果在 Stouffer 測試變量中）。 借助“故障安全 N”，如果如果一個重要的整體測試是可用的。 故障安全 N 的計算旨在抵消灰色文獻（即未發表的研究）未被記錄的問題。

元分析可以在最后用所謂的元回歸四舍五入。 回歸方法用于確定個別研究的哪些屬性（例如診斷標準、來源、受試者數量……）導致哪些影響大小。

開放科學實踐和工具可以簡化元分析并提高其可重用性。

有人批評元分析的結果不是很有效，因為任何調查，無論其方法質量如何，都包含在元分析中。 然而，調查的方法學質量對元分析結果的影響可以通過質量標準對質量優秀的研究給予更多權重或排除不良研究的排除標準來控制。 這些研究可以根據方法學質量進行分組，并分別進行評估。

這里需要強調的是，少量受試者或樣本的研究本身并沒有缺陷。

有人批評元分析總結了不同操作變體的調查。 要求必須有同質的操作化，特別是關于因變量，因為它們都應該是同一結構的指標。 否則，調查涉及不同的標準，那么總結就沒有意義了。

這個問題也可以通過根據出版時間或不同的定義/操作化對研究進行分組并分別進行評估來解決或緩解。

（文件抽屜問題）：通常，只有證實假定假設或顯示重要結果的結果才會發表，而結果不顯著的研究則不會發表（發表偏倚）。 這會導致元分析結果失真，因為它們過于頻繁地證明了某種效應的存在。

發表偏倚是在每個仔細的元分析中估計的，例如用漏斗圖。 然而，在元分析開始時，就應該評估灰色的、未發表的文獻應該在多大程度上以何種程度被獲取并被考慮在內。 然而，在已發表的文獻中引用未發表的研究并不少見，如今，由于有了互聯網，向研究人員索取未發表的數據很容易。 然而，這種方法造成了一個難以彌補的方法論弱點。