心理学研究方法元分析
黄希庭《心理学研究方法》课后习题(研究的综合——元分析)【圣才出品】
第14章研究的综合——元分析一、名词解释元分析、发表偏向、Q检验、亚组分析、敏感性分析、研究的质量、标准化均数差答：（1）元分析：是应用特定的设计和统计学方法对以往的研究结果进行整体的和系统的定性与定量分析。
（2）发表偏向：具有统计学显著意义的研究结果(阳性结果)较无显著性意义的结果(阴性结果)或无效的结果被报告和发表的可能性更大的倾向。
（3）Q检验：把数据按照从大到小排序，找出最大值与最小值，并计算可疑出其与相邻值的差值，并将其与最大值与最小值之差做商。
得出Q与题目给出的要求的Q对比，要是大于，则是舍去。
（4）亚组分析：根据不同的研究特征如被试的年龄、职业，将各独立研究分为不同组，然后再分别进行合并分析，比较各组及其与总的合并效应间有无显著性差异。
（5）敏感性分析：分析当条件(变量)发生变化时，结果是否也发生变化，即研究结论的稳定性如何。
（6）研究的质量：指一个研究在设计、实施和分析过程中防止和减少系统误差(偏向)及随机误差的程度。
（7）标准化均数差：SMD，两组估计均数差值除以平均标准差的结果。
二、简答与论述1．什么是桔子与苹果问题，该如何控制?答：桔子与苹果问题：对元分析的最尖锐的批评之一就是认为其不应该将研究对象、结果测量指标、实验设计以及测量方式等不同的各项研究所得的结果结合在一起，因为这就好比将桔子与苹果拿来比较，是很难得出正确结论的。
目前，主要是通过进行异质性检验来缓解这个问题。
2．简述Fisher(P值)法的基本过程与公式。
答：Fisher法分可为两步：（1）如果文献中没有给出确切的p值的话，将各检验统计量如t值、x2值转为P值，注意此处是指具体的确切的P值，不是P>0.05或≤0．05的定性数字。
（2）按以下公式将P值转为x2值，公式中的P i为各独立研究的单侧概率。
在判断时，自由度为参加元分析的文献数(k)的两倍，即df=2k，具体的查表等检验方法与一般的χ2检验相同。
元分析在心理与教育学中的应用
元分析在心理与教育学中的应用【摘要】元分析是一种对多项研究结果进行统计综合和总结的方法，在心理与教育学领域得到广泛应用。
本文从引言、正文和结论三个部分探讨了元分析在心理与教育学中的应用。
在介绍了元分析的定义、作用和在心理与教育学中应用的重要性。
正文部分详细阐述了元分析在心理学和教育学领域的具体应用，以及其优势、对研究和实践的影响以及面临的挑战。
结论部分总结了元分析在心理与教育学中的价值，探讨了未来发展的方向，强调了其重要性和必要性。
元分析的应用可以帮助研究者更全面地理解和评价心理与教育学领域的研究结果，为实践和政策制定提供科学依据。
【关键词】元分析, 心理学, 教育学, 应用, 优势, 影响, 挑战, 价值, 发展, 总结1. 引言1.1 什么是元分析在心理与教育学中的应用元分析是一种统计学方法，它通过整合和分析大量研究数据，以得出更精确的结论和推断。
在心理与教育学领域，元分析被广泛应用于整合和综合各种研究结果，以解决复杂的问题和促进学科的发展。
在心理学中，研究者经常面临着大量研究结果的不一致性和争议性。
通过进行元分析，可以对这些研究进行系统的整合和分析，从而找出潜在的问题和差异，进一步提炼出更可靠和普遍适用的结论。
元分析可以帮助心理学领域更好地理解各种现象和规律，为实践提供科学依据。
在教育学领域，元分析同样具有重要作用。
教育研究往往涉及到大量的研究和实验，通过元分析可以对这些研究进行综合和比较，找出影响学习效果的关键因素和策略。
通过元分析，教育学家可以更好地指导教学实践，制定更有效的教育政策。
元分析在心理与教育学中的应用为学科研究和实践提供了强大的工具和方法，可以帮助研究者更好地理解问题、做出决策，并推动领域的进步和发展。
1.2 元分析的作用元分析在心理与教育学中的应用是一种重要的研究方法，它通过综合多个独立研究的结果，对特定问题进行统计分析和综合总结，从而提供更具说服力和一般性的结论。
元分析的作用主要体现在以下几个方面：1. 综合研究结果：元分析能够系统地整合大量独立研究的数据和结论，从而揭示出潜在的模式和规律。
元分析(Meta-analysis)方法
2
df为元分析所研究的各个研究样本的自由度。要求：每个研究样本的 容量大于或等于10，当df≥10时，接近正态分布。 缺点 是，不能对样 本容量10的测验进行统合，而通常情况下，小于10的测验样本很少， 因此，其缺点就不易体现出来了。
Stouffer统合（把 p值转换为z值，而非t值）： Z c
解释的问题
• 关于d值的无偏估计
– d值是一个有些微偏差的效应估计值,应对其进 行校正（ Hedges, 1982），公式如下：
解释的问题
选取的研究是否同质？
齐性检验，公式（之一）：
d
wd w
w
2N 8 d
x2 w(d d)2
2
w
2 N 8 d
2
d为未加权的效应值，w指元分析中每个研究的权重
常常可以得出更有力的结论，引发对某一问题的激 烈争论
尤其存在研究结果相悖的情况时，能够给出一个是
集中于整体效应，对中间变量或交互效应没有给 予充分的重视
有把“苹果”和“桔子”混杂之嫌 由于对研究进行组织处理的标准不同，偏差仍有
值以确定变量之间关系性质及其大小，更尊重客观， 结论更具推广意义
二、概括性分析
向心性（ central tendency）
指概括化的结果，可由效应值的统合值、显著性水 平的统合值以及平均效应值的置信区间来衡量
解释的问题（仅以d值为例）
• 关于d值
• 建立平均效应值的.99或.95的置信区间，看是否包围 0（Sdx为d分布的标准差；SEx为d 分布的标准误；n 为进入元分析的研究个数）：
元分析还可以运用于非文献分析的研究之中 即使有时不能给出一个具体的量值，元分析的思想
心理学研究方法-多元回归分析
随着自变量的增加，R2自然就会随之增加。所以R2是一个受自变量 个数与样本规模影响的系数，一般的常规是1:10为好。当这个比例 小于1:5时，R2倾向于高估实际的拟合优度。为了避免这种情形，常 用校正的R2代替。
第十四页，共41页。
回归方程显著：说明X与Y 有显著的线性关 系。用该方程表示X与Y之间的关系是可靠 的。如果不显著，则不能用回归方程表示X 与Y 之间的关系。
第二十二页，共41页。
回归分析的5个步骤
第二十三页，共41页。
回归分析的步骤
1、做出散点图，观察变量间的趋势（是否线性）。 这些图是用来观察是否是线性趋势。如果不是线性， 可能考虑其他对变量进行预处理，或用曲线回归
注意：是否是曲线关系，或者强影响点造成的线性，或者极端 值）
第二十四页，共41页。
第三十四页，共41页。
第三十五页，共41页。
多重共线 性判断
回归方程的解释能力
回归方程的显著性检验 偏回归系数的显著性检验 决定系数R2，校正决定系数R2 复相关系数R
第三十六页，共41页。
回归方程的解释能力
回归方程的显著性检验
当显著时，便可以认为回归方程中至少有一个回归系数是显著的， 但是并不一定多有的回归系数都是显著的。
偏回归系数的显著性检验
判断指定的某个自变量的回归系数是否显著。显著的话，代表与 残差相比，该x变量对y的贡献是显著的。
根据回归系数显著、偏回归系数显著、校正的决 定系数判断最优方程。
第三十七页，共41页。
复相关系数R 值域在[0,1],是因变量y与所有自变量之间的多元
线性相关程度的度量。
位影响。因此可以用标准化回归系数。
标准化偏回归系数：可以用来比较哪个自变量 是影响y的主要因素，哪个是次要因素（即哪个自 变量对y的影响更多）。
心理学研究方法重点
《心理学研究方法》第一章到第六章的重点共有6章18节，重点在如下的章节第一章心理学研究方法与方法论第一节科学研究的规则操作主义的科学观及其对科学研究的意义操作主义的科学观：科学发现或理论构造的有效性依赖于达到哪一发现或理论所运用的操作的有效性。
----实验成果和研究结论，决不能超越所采用的方法论。
科学发现与猜想的差别：规则与过程---- 客观性科学性的判断标准：可重复性----科学推论一致性的保证什么是理论与假设？理论：一组相互联系的概念与命题，它通过对变量之间的关系的系统、具体说明，来描述、解释和预测各种现象。
理论作为研究假设的框架，经过不断的检验和修正，错误的理论会被推翻。
理论无法直接检验，只能通过实验来检验由理论推导出来的假设是否成立。
假设：有关两个或两个以上变量之间关系的基于理论的非常具体的可检验的陈述，可以从观察到的数据进行评估。
第二节心理学研究方法与研究范式心理学研究的范式大样本研究范式：研究的被试越多，统计检验就越有效。
Fisher把如下的三项程序引入心理学实验中：1、运用随机化程序选择被试；2、对被试进行实验控制；3、运用统计方法检验研究结果。
小样本研究范式的基本思想：对少量被试进行大量的心理测定—行为取样，能够对其心理活动展开有效的研究。
方法：1、确定研究对象的行为基线和反应方式；2、操纵自变量，观察和记录应变量的变化；3、撤除自变量，继续监测自变量的情况。
第二章心理学研究的理论基础与思路第一节因果关系与心理学研究关于因果关系的理论（一）休谟的观点：因果关系推论的三个条件：1. 一个原因和他的结果，在空间和时间上是常向接近的；2.原因先于结果；3. 原因与结果之间，存在必然联系，无论何时得到结果，原因总是存在的（二）罗素➢批判了因果关系的不可观察论，提出了在连续测量的变量间的明确的函数关系（三）穆勒➢小样本研究范式的基本思想：对少量被试进行大量的心理测定—行为取样。
➢方法：1、确定研究对象的行为基线和反应方式；2、操纵自变量，观察和记录应变量的变化；3、撤除自变量，继续监测自变量的情况。
元分析
元分析（meta-analysis）：是对已有的同类课题的研究进行综合评价、分析，整合独立研究的成果，以获得普遍性、概括性结论的方法，它是研究评价的重要方法之一。
简要的说是对研究结果的总体分析。
一、元分析的发展和特点1、元分析的发展元分析的英文是meta-analysis，由美国教育心理学家Glass在1976年首次命名。
Meta 是英文中的前缀，为“更加全面或超常规的综合”的意思。
2、元分析的特点（1）元分析是一种全面的评价，是整合研究成果的有效方法。
（2）元分析是定性与定量结合的分析方法。
元分析在定性分析的基础上引入了定量分析方法，它不受研究数量、研究方法、样本容量等因素的限制，可以用于处理分析大量的研究资料。
元分析获得的结论有助于修正描述性定性分析的错误。
（3）元分析寻求普遍性的结论。
元分析通过对大量相同课题的研究的结果的综合分析，对从研究选题到结果分析的研究过程涉及的各种问题和结果进行全面评价，概括出研究结果所反映的共同效应，即普遍性结论。
二、元分析的步骤元分析主要包括四个步骤：文献检索、资料的分类、研究结果的测算和分析与评估。
1、文献检索。
进行元分析，首先要对与所研究的课题相同或相似的有关研究资料进行收集，即文献检索。
所检索的文献的全面性，直接关系到元分析结果的可靠性和准确性。
2、资料的分类。
通过文献检索收集到了全面的研究资料后，就要对其进行分类。
资料的分类实际上是一个定性分析的过程，是测算研究结果的基础。
研究的分类是按照研究的特点，根据不同的标准进行的。
可以根据被试的特征，研究方法和研究设计的类型，研究的信度和效度等进行分类。
研究资料的分类结果一般以编码表的形式呈现，编码有两种方式，即以与研究方法有关的维度进行的“方法编码”和以与研究的内容有关的维度进行的“内容编码”。
3、研究结果的测算。
对研究资料进行了分类和编码后，就要选择适当的方法对研究的结果进行测算。
主要需要测算的两个指标是统计显著性和效应量（即实验处理的效果大小）。
元分析方法及应用
05 元分析的优缺点及争议
元分析的优点
提高统计功效
通过合并多个研究的数据，元分析能够增加样本量，从而提高统 计检验的功效，使得效应量的估计更为精确。
解决研究间的异质性
元分析能够探讨不同研究间的异质性来源，通过亚组分析或元回 归分析等方法，揭示可能影响效应量的因素。
评估研究偏倚
通过对纳入研究的质量进行评估，元分析可以探讨研究偏倚对效 应量的影响，从而提供更可靠的证据。
性。
04 元分析在实证研究中的应 用
心理学领域的应用
治疗效果评估
元分析可用于评估心理治疗、药物治疗等干 预手段对特定心理问题的治疗效果。
心理特征研究
通过元分析，可以探究不同心理特征（如人格特质 、认知能力等）与行为表现之间的关系。
跨文化比较
元分析可用于比较不同文化背景下心理现象 的差异和相似性，为跨文化心理学研究提供 重要支持。
其他领域的应用
01
社会学领域
元分析可用于评估社会政策、社 会项目等的效果，探究社会现象 背后的原因和机制。
经济学领域
02
03
环境科学领域
通过元分析，可以评估经济政策、 企业策略等的效果，为经济发展 和企业管理提供科学依据。
元分析可用于评估不同环境保护 措施的效果，探究环境污染与生 态破坏的成因和解决方案。
03 元分析的方法和技术
文献检索与筛选
确定研究主题和范围
明确元分析的研究目的、主题和范围，以便进行有针对性 的文献检索。
选择数据库和检索策略
根据研究主题和范围，选择合适的数据库（如PubMed、 Web of Science等）和检索策略（如关键词、主题词、布 尔逻辑运算符等），以获取相关文献。
多元统计方法在心理学研究中的应用
多元统计方法在心理学研究中的应用在心理学研究中，多元统计方法的应用越来越广泛。
这些方法不仅可以帮助研究者更好地理解心理学现象，还可以提供科学依据来开展干预和预测研究。
本文将探讨多元统计方法在心理学研究中的应用，并对其贡献和挑战进行讨论。
一、多元统计方法简介多元统计方法是通过在多个变量之间建立关系模型来分析和解释数据的统计方法。
相比于单变量分析，多元统计方法更能揭示变量之间的相互作用和综合效应。
常用的多元统计方法包括因子分析、聚类分析、多元方差分析以及结构方程模型等。
二、1. 探索变量关系：多元统计方法可以揭示心理学变量之间的关系网络。
通过因子分析，研究者可以将众多变量归纳为几个重要因子，从而更好地理解变量之间的内在联系。
聚类分析则可以将观测对象按照特定属性进行分类，帮助研究者发现变量之间的群组差异。
2. 预测和诊断：多元统计方法可以帮助研究者预测心理学现象的发生和发展趋势。
通过建立结构方程模型，研究者可以揭示变量之间的因果关系，进而预测某个变量对另一个变量的影响。
在心理诊断中，研究者可以利用多元回归分析等方法来确定诊断标准和预测患者的病情发展。
3. 效果比较：多元统计方法可以帮助研究者比较不同因素对心理学变量的影响程度。
多元方差分析可以检验不同处理组之间是否存在显著差异，而共同区别分析则可以挑选出最能有效区分不同组之间差异的变量。
4. 模型评估和改进：多元统计方法可以帮助研究者评估和改进研究模型的适应性。
研究者可以利用卡方检验、拟合指数等统计指标来检验模型与实际观测数据的拟合程度，从而对研究模型进行修正和优化。
三、多元统计方法的贡献多元统计方法的应用为心理学研究提供了全新的角度和方法。
它不仅能够更全面地了解心理学现象，还可以提供科学依据来指导干预和治疗实践。
通过分析大规模数据集，多元统计方法能够揭示变量之间的复杂关系，在理论建构和模型验证方面起到关键作用。
同时，多元统计方法也推动了心理学研究的深入和交叉。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
=1.501,=0.699。这样做的结果是提高了估计的精 度。
17
ቤተ መጻሕፍቲ ባይዱ 理想状态
我们可以把不同作者对相同问题进行的研究看 作是从同一总体中进行抽样得到的一个随机样本， 如果他们都是按照相同的设计得到的研究结果，并 且我们可以找到每一项研究的结果，这样就可以根 据上面的原理得到一个更为可靠的结果。
13
元分析所依据的统计学思想
在用样本信息推断总体参数时，是存在抽样误差 的，并且抽样误差的大小与样本量的大小有关。
统计学用抽样分布的理论来描述样本统计量的变 化规律。
14
从一个均数为1.5，标准差为0.7的正态总体中进 行随机抽样，样本量分别为20，50，100，200，300， 500，1000，不同的样本量均进行20次抽样，共得到 140个样本。
传统文献综述存在的一些问题： ①以定性分析或描述为主，难以给出一个定量的结论。 当所涉及的实验数量不断增加时，得出错误结论的机 率也随之增加。 ②如果有关研究的数量众多如有500个，那么要从这么 多的研究结果中得出一个一般性的结论已超出了个人 的能力。
20
③综述者究竟使用了哪些文献常常不得而知。 ④传统综述中没有足够重视研究质量、样本大小等因 素对研究结论带来的影响。 ⑤使用同样的文献，不同的综述者可以得出不同的结 论。
3
2、效应量(effect size)： ➢ 反映实验处理效应或变量间相关程度的大小。 均值差异的效应量：
以控制组的标准差或联合标准差为单位表示实验组 和控制组之间的差异。
ES Me Mc Sc
4
效应量大小与实际意义
（原始数据）
阿斯匹林 安慰剂
总计
发作
104 189 293
未发作
10933 10845 21778
第二手分析，对研究进行再分析(re-analysis)以验证 新的假设或者运用更适合的分析方法。
10
❖Glass（1976）：以综合已有的发现为目的，对单个 研究结果进行综合的统计学分析方法。 ❖Ellenberg(1988)：对具有共同研究目的相互独立的 多个研究结果给予定量分析、合并分析，剖析研究间 差异特征，综合评价研究结果。 ❖Sacks（1987）：对以往的研究结果进行统计学的合 并和严谨的系统综述方法。
元分析 Meta-Analysis
1
一、相关概念
1、显著性(significance) 2、效应量(effect size) 3、原因量(cause size)
2
1、显著性(significance)： ➢ 反映结果或结论的可靠性。 ➢ I型错误与II型错误 ➢ 统计功效 ➢ 边缘显著（marginally significant）
21
元分析具有以下作用： ①解决研究结果的矛盾，定量估计研究效应的平均水 平，为进一步的研究和做出决策提供全面的文献总结。 ②提高统计分析的功效。 ③揭示和分析多个同类研究的分歧。
22
④为确定新的研究问题和对新实验的设计提供帮助。 ⑤具有处理大量文献的能力，不受研究数目的限制。 ⑥节省研究费用。 ⑦研究发表偏向(publication bias)等问题。
总计
11037 11034 22071
5
效应量大小与实际意义
（百分比）
阿斯匹林 安慰剂
总计
发作
0.94 1.71 1.33
未发作
99.06 98.29 98.67
总计
100 100 100
6
显著性 = 效应量×研究规模
7
3、原因量(cause size)：
➢ 反映研究中实施自变量的力度或难易程度。 ➢ 服药一天 vs. 服药一年 ➢ 教改实验一月 vs. 教改实验三年
18
实际情况
不同作者所使用的设计方案会有一定的差别；选择 的实验对象有所不同；研究结果不一定都能发表到专 业杂志上。
因此实际能够得到的资料可能是不完整的，甚至是 有偏性的，如阳性结果的文章、和目前普遍能够接受 的观点一致的文章可能更容易发表在专业杂志上。
重复发表。 人为地修改数据。
19
三、元分析的目的和意义
分别计算每个样本的均数，标准差和标准误。 以样本的均数为横坐标，以样本量为纵坐标作散 点图
15
从均数为1.5，标准差为0.7的正态总体的140次随机抽样结果
16
由于抽样过程存在抽样误差，样本量较大时抽样误 差较小。
所以从图中可以看出所有的点以样本量较大时的均 数为轴，左右是基本对称的。
用方差分析的方法对不同的样本所对应的总体均数 是否相等进行检验，方差分析的结果为 F=0.862,P=0.878。
25
三、对文献进行编码，并根据纳入标准，选出 符合要求的纳入文献
确定纳入标准和排除标准 根据纳入标准和排除标准筛选收集的原始文献 确定原始文献质量的评价标准 两个人分别完成筛选和质量评价
26
四、纳入研究的质量评价
内部效度： 其研究方法是否合理， 统计分析是否正确， 结论是否可靠， 研究结果是否支持作者的结论等。
23
四、元分析的基本过程
一、提出问题，制定计划
有意义 一般来自于当前存在争论的研究问题 目前或近期有没有发表的系统性综述 目前有没有一定数量的可供使用的原始文献
24
二、检索相关文献
确定检索主题词 确定检索数据库 确定检索年限 非发表文献的搜集方法
会议 网站 同行了解 准备与作者联系的相关文件
11
❖ 元分析就是应用特定的设计和统计学方法对以往的 研究结果进行整体的和系统的定性与定量分析。它是 回顾性的，是对传统综述的一种改进，是概括以往研 究结果的一种方法，包括大量的方法和技术，具有全 面、系统和定量的特点，可以用以对以前的具有不同 研究设计的和不同时期收集到的资料进行整合。
12
一般研究以单个被试为最小的分析单位；元分 析以单个研究为分析单位。 从研究中能够获取何种分析数据？
8
小的效应量也可能具有重要意义： 1. 自变量的操纵代价极小
➢ 一块饼干与助人行为
2. 因变量的改变极为困难
➢ Milgram（1963）的服从实验
9
二、元分析的含义
primary analysis: 第一手分析，对单项研究中得到的数据进行分析
以验证假设。 Secondary analysis: