1 元分析的含义与发展简史

元分析是对有关同一个主题的多项独立的定量研究进行再次分析，进而得出一般性的结论。元分析只适用于研究综合（对累积结果进行统计整合），例如，研究某一概念的不同定义是否会对研究结果产生影响，研究结果是否会随着时间的推移而变化。并且，一系列研究需涉及相同的概念假设。卡尔·皮尔森（Karl Pearson，1904）被公认为首个进行元分析的学者，从11项测试伤寒疫苗有效性的研究中收集数据，并计算了伤寒接种与死亡率之间的相关系数及均值，得出其他疫苗比新疫苗更有效的结论。20世纪70年代中期，在临床心理学、社会心理学和教育学等领域都有学者采用元分析对大量定量研究进行整合。此后，关于元分析的研究越来越多。

2 元分析的应用现状

目前，元分析方法在多个领域得到广泛应用。在Web of Science上以Meta-analysis为主题进行检索，可以获得二十多万篇文献。其中，超过80%的元分析方法应用在医学领域，部分应用在社会学、经济学、教育学、心理学、管理学等领域。以Meta-analysis为主题在CNKI上进行检索，也可获得两万多篇文献，文献数量呈递增之势（见图1）。研究领域仍然以医学为主，在地质学、经济学、心理学、教育学等领域的研究较少。

图1 元分析文献的发表趋势

表1统计了顶级工程管理期刊中运用元分析方法的文献，可以看到，在工程管理领域，运用元分析的研究涉及知识管理、风险管理、安全管理、项目管理等。总体而言，目前在各个领域采用元分析方法进行定量文献综述的研究逐年攀升。

表1 顶级工程管理期刊中运用元分析的文献

3 元分析的过程

第一步：形成问题。首先确定拟采用元分析研究的问题。元分析关注的一般都是存在争议的领域。

第二步：检索文献。明确相关研究的关键词及其他检索参数，检索的内容要广泛。

第三步：质量评定和筛选。明确纳入和排除标准，包括时间段、研究设计、情景特征、样本特征和结果特征等。可以进行元分析的诸项研究结果的类型：集中趋势：统计量为均值、中位数、众数或比例等。前-后对照：描述性统计量、集中趋势值之差。组间对比：集中趋势值。变量之间的关联：相关系数或用源于变量交互表的某些关联指标，如卡方系数、l系数等。

第四步：文献编码。实质性内容：包括样本来源、人口统计学特征、自变量等。方法论：抽样方法、调查设计、数据分析方法等。文献来源：出版形式、出版年份、资金来源等。

第五步：研究综合。将各项研究中的指标转化为统一指标——效应值（Effect Sizes）。当有待于进行元分析的是变量之间的关系，通常以相关系数r作为效应值统计量，并对相关系数进行费雪（Fisher’s Zr-transform）转换。平均效应值：通过每个效应值（ESi）根据其方差的倒数（wi）加权。计算置信区间：以均值的标准误和z分布的一个临界值为基础。同质性检验：只有多项独立研究之间相似，才能采用元分析——以Q统计量为基础的卡方统计量服从自由度为k-1的卡方分布，其中k是效应值的数量。

第六步：灵敏度分析。灵敏度分析是评价元分析真实性的指标之一。评价灵敏度可以从以下几个方面考虑：①对原始文献的质量进行评价；②对各项研究的方进行评价：③对抽样偏差进行评价——计算失安全数N。

第七步：总结成文。对整个元分析过程进行详细陈述：包括分析目的、文献检索方法及取舍标准、所综合的单个研究的特征、所应用的统计分析方法、统计结果图表、灵敏度分析结果、结论可能遇到的偏倚及处理方法、讨论分析结果的应用价值等。

文章来源于公众号：国际工程管理创新与实践，如有侵权，请联系删除。

阅读原文

友情推荐：欢迎大家关注微信公众号【国际工程管理创新与实践】