西方心理学研究中元分析的应用

西方心理学研究中元分析的应用

近年来，西方心理学和教育工作者在深入研究传统兴趣（如性别差异研究）时，采用原度法对大量报告结果进行了统计和分类，并从主题历史上获得了客观、真实的结论。下面,对元分析技术作一介绍。元分析(meta—analysis)这一术语是区别于初始分析(Primaryanalysis)和进一步分析(Secondaryanalysis)而设置的。初始分析是指起始的研究,包括研究者对某一题目所做数据的收集、数据的加工和结果发表;而进一步分析是指在某一课题范围内不同领域的研究者对同样的数据采取不同观点和不同技法进行的整理分析。元分析则是在无需获得原始数据条件下对众多研究采用的总结性统计分析方法。元分析方法的定义很多。Glass(1981)认为,元分析是对多个实验结果给予量值总结的数据分析;Hunter(1982)解释说,元分析是对多项研究作描述性统计的数量累积和分析；而Hedges(1982)提出,元分析总体上讲是运用效应量值方法,对不同的研究结果进行数据整合。尽管这些定义是从不同角度作出的,但读者由此对元分析研究方法的目的和意义还是不难理解的。近年来,一些研究者对元分析的命名提出质疑,他们又编撰了新异词汇表达这一方法,如定量综述(quantitativereview)、研究综合(studysynthesis)、研究整合(researchintegration)等。这些表述或许更为贴切,但元分析这一原始命名仍然保持至今,为人们常用。在心理与教育科学研究中,已有不少学者尝试采用元分析技术对某一课题原有的众多研究结果作出定量的总结。比如票数计算(votecounting)法。就是对所收集的文献中正的和负的结果分别进行计数,作出定量的总结统计。其具体步骤是,研究者画出表格,分别列出“显著性正值”、“显著性负值”、“不显著”等类目;若研究结果支持某一假设,就在该类目中做个标记;若结果与假设相反,就在相应类目上做个标记。而后通过各类目间研究数目的比较作出整体结论。但是这一方法受到许多批评,其中之一就是它混淆了统计测量中的第一类错误(α)和第二类错误(β)。我们假设某一研究者对性别差异中侵犯性这一课题收集了60项研究报告进行考察;我们再假设每项研究都是基于40名被试(20男、20女);再假设事实上男性的侵犯性确实高于女性。如果这60项研究报告都采用双尾T考验且α水平值定在0.05。那么,在所考察的60项研究中有多少研究要给出显著的性别差异才能真实反应实际的结果?有的读者或许会给出非正确的回答,认为要有95%,即57项研究结果应给出男性的侵犯性明显高于女性。若事实上男女间侵犯性之差异并不大(仅0.5标准差),两组间T考验的力度值就很低,票数计算法是难以表达这一差异的。还有一种方法便是概率组合技术(probability—combiningtechniques)。它是将某一研究课题以前发表的许多报告得到的概率水平值(P值)进行整理,组成一个总体概率值。具体方法是,把每个独立的概率P值转换为z分数,并将所有z分数相加起来,得到的和再除以所有研究数目的平方根。由于常态差值之和的自身也是常态差值,可以反映转化成整体的概率P值。也就是说z值总和的概率水平给出了整体的显著性水平,其操作格式为:然后基于所有这些研究在.05水平上确定是否达到了显著性差异。这一方法由于考察了大量研究、根据大量被试得到的结果,往往被看作是对以往研究报告颇有效力的整体总结方法。不久,Rosenthal(1979)对这一方法提出质疑,他提出了所谓“文件柜问题(filedrawerproblem)”,这是指科技期刊编辑工作者一般更倾向于发表那些达到显著差异的报告,而那些测量结果未达到显著性差异的报告则往往留在“文件柜”中。这样,概率组合技术会导致过高估计研究课题的效度,它给出的统计报告总是达到显著性差异。所以,这种统计方法的意义就显得不大。目前普遍采用的元分析方法大多转换成测量的效应量值(effectsize),统计指标为d。它最早由Cohen(1969)设计出来,又由Glass(1981)等人作了完善修正。对于双组实验设计总有一实验组平均数(me)和一控制组平均数(mc),d值就是将两组测量得到平均数的差再除以两组共同的标准差(SD)。举例来说,一个组的平均数为25,另一组的平均数为20,两个组的标准差均为5,那么效应量值就是换句话说第一组的分数比第二组高一个标准差。即:近来,有人将上面两组共同标准差SD改用两组加权方差的平方根S值,公式为:无论怎样,由元分析方法得到的效应量数d值是以标准差为单位的差异量数,它与原来各项测量采用的单位无关。研究者就是计算出某一课题范围内各研究的d值,从而根据众多研究得出控制组与实验组的总体效应量值。这里我们可以看出,元分析方法对研究进行总结和评价有这样几个特点:(1)它是一种定量方法,它运用各种手段从一群独立研究中组织和提取信息,并对这些研究所反映的效果和所揭示的关系作出总的估计。(2)由于这一方法的总结可以包含某一研究课题下所有可接受的文献,所以它是一种全面而客观的评价。(3)由于元分析给出的是一般性结论,总结者必须搜集各种情形下同类研究并考察这些条件因素是否真正影响研究的主要结果。(4)它是系统的和可重复的;所以元分析方法得出的结论可由不同的总结者互相验证,因而避免了传统文献综述的主观性。元分析的结果要比我们通常运用的P值考验包含更多的信息。由于两组的平均数m、标准差SD和研究个数K都已提供,就可容易地得出各个研究的效应量值,由元分析方法得到的平均d值就是指基于大量研究得到的两个变量间的相关强度。然而,在进行元分析研究时目前发现这样的问题:一项研究转化的d值与另一项研究的d值可能会有较大差异。为此,Hedges(1982)又发展了这一技术,其理论逻辑与传统的方差分析相似,让研究者探查所采纳研究间造成d值变异之源。考察d值的变异是否纯粹归因于样本的随机变异。如果回答“是”,研究者可得出结论:这一组研究具有同质的效应量值,所得到的整体效应量数d就是可信的。如果回答“否”,也就是说d值间的差异明显大于预期的机遇水平,研究者就要着手于系统变异分析,即寻找可以解释效应量值差异的“中介变量(moderatorvariable)”。中介变量的设置可按照理论推理也可基于原有的经验基础。因此,现在的元分析研究除了对效应量值作出统计,还要对所有研究报告内其它众多变量作出编码。这些潜在的中介变量可能是离散的(不同范畴的),也可能是连续的。如果中介变量是离散的,就得在该变量内对各项研究作出分类,使不同类别间的d值差异达到显著水平,保证各类别内效应量值表现出内在同质的d值。Linn和Peterson(1986)对空间认知能力的性别差异元分析研究便是一例,在他们的性差研究中按照认识心理学的理论构思对空间能力进行了三个范畴分类,使得各范畴内都是同质d值而范畴间都达到了显著差异。还应指出,元分析研究技术不仅仅能对实验研究进行总结,也能对相关研究进行总结。相关研究的结果一般是用Pearson相关系数r来表征的。若对众多相关研究作元分析总结时,通常运用这样的步骤:(1)计算出整体相关系数r值;(2)计算出各相关系数的变异程度,即方差值Sr2;(3)算出各个研究由于用小样本估计总体相关值的抽样误差Se2i,,再求出所有研究的平均抽样误差Se2;(4)比较相关系数的方差Sr2与抽样误差Se2,就可知道相关系数的变异中有多少是由于抽样误差造成的。计算公式分别为:其中:ri是第i个研究的相关系数;Ni是第i个研究中的受试人数;假定我们对智力与知识的相关感兴趣,搜集到8项以前发表过的智力与知识内在关系的研究报告;其中6项报告给出的是Pearson相关系数,一项是用T考验结果,另一项是x2考验得分。后面的T考验和x2考验可转换为再分析的效应量值r,公式为:由此得到8个项目各自智力与知识相关r值,便先转换为Z值平均数,而后就可得出效应量值r。简言之,各个单项测量分数要先转为Z分数,再将各项研究Z值转变为数体Z分数;若N为所有项目的受试范围,Rosenthal(1984)给出的整体相关公式应是:以上对元分析技术效应量数d值和整体r值的推算作了介绍,以使读者对元分析统计方法有个总括了解。最近,元分析的计算机程序进入我国,这是德国学者Shwarzer(1988)编写的统计软件,该程序是对Gorman(1983)等人元分析软件的进一步修善。它的内容比较简单,给出10个亚程序供使用者选择,分别是:(1)数据文件管理操纵(DataFileManagement)。此程序是让使用者录入原有统计数据。它包含三个文件结构,分别为概率值P分数、效应量d值和r值而设计的。还可以显示、打印、累加、编辑和选择数据记录。(2)效应量数d值的组合(CombinationofEffectSizesd)。这一子程序对实验研究得到的d分数作再分析。d值乃是实验组和控制组间以标准差为单位的平均数之差。(3)效应量数d值的聚类分析(ClusterAnalysisofEffectSizesd.)。由于在各项研究数据中效应量值的分布可能是不同质的(heterogeneous)。就要将零散的数据作聚类分析,可以把少数量的研究项目归为同质的(homogeneous)子集。这一手段可以发现潜在的中介变量。(4)效应量r值的组合(CombinationofEffectSizesr)。这一程序对相关系数r作元分析。相关系数r值可直接取自研究结果,也可间接地通过下面的亚程序(7)进行转换加工。(5)效应量r值的聚类分析(ClusterAnalysisofEffectSizesr.)。这与上面亚程序(3)对效应量数d值的聚类分析类同。(6)概率值P分数的组合(CombinationofProbabilitiesP)。该程序是将某一研究给出的P值转变为正态Z分数以后,运用Stouffer公式整合为单尾的精确P值。这一方法只有在效应量值无法直接得到的情形下才使用。(7)系数转换(TransformationofCoefficients)。搜集到的文献中并非所有的研究报告都提供了恰当的效应量值。可能仅提供了t分数、F分数、Chi平方值或其它某一种统计量数。这种情形下可用本程序将数据转换为需要的效应量值。(8)加权平均数(WeightedMeans.)。有些研究报告的作者不是基于一个,而是基于几个独立的被试群体,敌给出了几个效应量值。在这种情况下,再分析手段就要考虑,所有的效应量值是否应该分开考察或者从事联合考察。这个程序是为后面统计目的编写的。(9)相关值的显著性(SingnificanceofCorrelations)。本程序可用来确定相关系数r是否在统计上达到了显著水平;还可辨别一个相关系数是否与另一个相关系数有显著性差异。(10)相关值的茎叶显示(Stem—and—LeafDisplayforCorrelations)。这是对作为效应量值的相关系数r一个方便的显示技术,它能比传统的直方图提供更多有用信息。可以看出,若掌握了元分析统计软件,是不难对一个课题过去的研究结果从各角度作出效应量值探讨总结的。然而,与任何统计测量技术一样,元分析方法也有它的缺陷。Glass(1981)等人也曾指出,(1)元分析的综合研究方法依然有前面提到过的“文件柜问题”,即过于依赖已发表的研究。未发表的研究报告或许仍被藏在“文件柜”中;故难以准确表达所调查的“实情”;(2)这种方法对低水平的研究给预了过多重视。从上面的介绍可以看出,元分析把坏的研究与好的研究都做了同样加权分配;(3)可以作一比喻元分析混淆了“苹果”与“桔子”。为了在某研究课题得到丰富、有代表性的结论,在文献的选择上就要有适当范围。如果收集的报告过于广泛,等于混淆了“苹果”与“桔子”,那么结果应是关于“水果”而言。这依旧出现了研究程度问题;(4)由于研究者可能对同一数据从不同角度给出多个研究报告,人们批评元分析方法会将许多并非独立的结果结合到一起。若从同一测量中推出了多重结果,该测量数据必定比其它测量数据给出更多加权。为此,美国学者Bullock(1988)提出十四条标准,用来评价元分析研究。他认为,任何一项元分析研究都应该:(1)采用一个理论模型作为研究基础,在这一模型范围内检验其假说;(3)在所确定的内容范围内把所有可以发表的研究都包括进来(不仅仅是已发表的或显然能被采纳的研究);(4)避免只是按照数字精度、研究年限或出版地点对研究进行取舍;(5)列出有效的、最终用于元分析的研究目录;(6)依照理论范畴对各项研究进行归类选择和编码,不能只图方便;(7)给出详尽的编码文件和解决编码过程中出现问题的方法,包括如何处理缺失数据;(8)采取多重比率用于编码方案,且提出比率间可靠性的严格估计;(9)报告所有分析的变量,避免出现变量子集的机遇联系;(10)制出有效的、用于分析的数据集;(11)考察推断从发现中得到各种解释;(12)在研究所