1. 元分析背景和作用 元分析是一种对以往实证研究结果进行归纳总结的统计方法。元分析最早在医学领域得到应用，然后在心理学、教育学以及管理学领域得到了进一步的发展。元分析主要有以下几个作用：
针对某一个具体相关关系，对来自不同研究样本的结果进行整合，从而得出这一关系更为接近样本总体的估计。在研究中，通常发现不同人做的研究结论存在矛盾之处，比如针对品牌联想对品牌资产的影响，Farhat 指出二者之间的相关系数为0.03，而在Faircloth等的研究中，二者之间的相关系数为0.86，二个研究结论并不一致，甚至相差很大。而元分析可以通过统计技术对以往基于不同特点的样本得出的结论进行定量分析，对两个变量之间真实关系进行更准确的估计。 元分析是比较和合并多个研究结果的一种方法。它不仅有助于确定结果的一致性，还可以解释观察到的效果的变化。元分析可以对某一相关关系在不同研究样本之间的差异进行分析，进而找到能对这些差异进行解释的调节变量。 将元分析结果和其他统计分析方法结合，对某一变量与其他变量直接的整体关系进行分析，如元回归、SEM等。 2. 元分析在营销领域的应用 Grewal等（2018）对营销期刊中的元分析研究进行了检索，发现在1981-2017年间，研究人员共发表74篇元分析文章。在营销领域，最早由Monroe和Krishnan（1983）阐述了开展元分析的步骤，但最早将元分析方法进行应用是在1985（Churchill等，1985；Peterson等，1985）。其中这74篇元分析可以被分为9个方向（如下图），包括消费者行为、产品管理、传播和销售等。
3. 元分析选题 第一，找到一个研究变量，该变量从来没有发表过任何元分析的研究，且相关研究多为定量研究，那么可以考虑是否有必要用元分析的方法对现有的研究结果进行总结。但该角度往往面临两个问题：（1）很难找到没有进行过元分析的研究变量；（2）即使简单归纳了变量与其他变量的关系也很难做出研究贡献。 第二，考虑以往关于某个关系存在不一致甚至矛盾的结论，然后从理论出发探讨是否存在一些调节变量可以解释这种矛盾结论，如文化、年龄等。 第三，考虑通过元分析来构建结构方程模型来检验与某一变量相关的中介机制。 4. 元分析步骤 （1）形成问题 研究问题本身是否清晰界定了解决问题所需的研究设计和证据？ 研究问题所处的理论背景、历史背景和实践背景是否有意义？ （2）检索文献 在检索查询文献数据库时，是否采用了适当且详尽的关键词？ （3）收集研究中的信息 （4）评估研究的质量 如果出于设计和实施方面的考虑剔除一些研究，这些考虑因素是否有明确、可操作的定义？是否适用于所有研究？ 是否对研究进行了有效分类，以便在研究设计和实施方面对它们进行重要区分？ （5）分析与整合研究成果 是否报告了平均效应值和置信区间？是否采用了合适的模型对效应值中的独立效应和误差进行估计？ 是否检验了以下两个研究结果的潜在调节变量：研究的设计和实施特征；研究的其他关键特征，包括历史背景、理论背景和实践背景？ （6）解释证据 是否检验了结果对统计假设的敏感性？如果是，这些分析是否有助于解释证据？ 是否讨论了证据库中数据缺失的情况？是否检查了数据缺失对研究综合结果的潜在影响？ 在解释结果时，是否适当地区分研究衍生的证据和综合衍生的证据？ 是否将效应值大小与其他相关的效应值进行了对比？是否对效应值的显著性给出实质性解释？ （7）汇报结果 5. 元分析常用工具 （1）付费软件 Comprehensive Meta-Analysis （CMA）是基于Hedges等方法开发的元分析软件。因此，用CMA进行分析得出的结果与Frank Schmidt的软件得出的结果是有一定差异的。其中meta-regression的模块对于检验调节变量非常方便，同时该软件是界面化操作，操作简单。 STATA，metan命令常用于stata的元分析，其中Jonathan Sterne编写的Meta-Analysis in Stata: An Updated Collection from the Stata Journal 对在stata中进行元分析的代码进行了详细的介绍。 （2）免费软件 R，R语言是用于统计分析，图形表示和报告的编程语言和软件环境。R语言在GNU通用公共许可证下免费提供，并为各种操作系统（如Linux，Windows和Mac）提供预编译的二进制版本。其中R语言中常用的元分析的包有meta以及metafor。 Excel，尽管office软件本身并不免费，但是考虑到很多人电脑上已经通过各种渠道订购了office，因此我们将其放入免费一类，一些学者也根据元分析的公式编写了宏，在Excel中进行分析。 参考文献
