
对研究事业来说,今天的元分析比2004年上一版出版时更加重要(第1章完全体现了这种情况)。原因之一是,元分析正日益为从人力资源管理到医学等广泛领域的循证专业实践提供基础。近几年,元分析领域有许多新方法得以拓展,这些在本书中都有提及。这本书比以前的版本更加人性化。许多公式的详细推导已被删减,不再出现(感兴趣的读者可以在参考文献中找到来源)。此外,无论读者的统计学和心理测量背景如何,都能够轻松上手学习本书内容。某些新主题横跨整本书的多个章节,个别章节中有重要的改进和补充。在应用本书中介绍的方法时,元分析程序包已经做了许多改进。本书介绍的方法在许多技术方面不同于其他元分析方法。然而,所有这些不同源于一个关键差异:如何定义元分析的目的。一本完全致力于我们元分析方法的历史和影响的书是值得推荐的。本书是一个很好的信息来源,不仅限于本书所包含的内容。
前言<br/>第一篇 元分析基础<br/>第1章 整合不同研究的结果 / 2<br/>1.1 普遍的问题和例子 / 2<br/>1.2 统计显著性检验中存在的问题 / 5<br/>1.3 统计功效是答案吗 / 7<br/>1.4 置信区间 / 8<br/>1.5 元分析 / 10<br/>1.6 元分析在行为科学与社会科学中的作用 / 11<br/>1.7 元分析在开发理论中的作用 / 15<br/>1.8 工业与组织心理学领域的元分析 / 16<br/>1.9 元分析对心理学的广泛影响 / 18<br/>1.10 元分析在心理学之外的影响 / 19<br/>1.11 元分析与社会政策 / 21<br/>1.12 元分析、数据论和认识论 / 22<br/>本章小结 / 23<br/>第2章 研究中的人为误差及其对研究结果的影响 / 24<br/>2.1 跨研究中的人为误差 / 25<br/>2.2 抽样误差、统计功效和研究结果的解释 / 40<br/>2.3 何时及如何累积 / 46<br/>2.4 校正后的标准差(SDρ)中人为误差的校正不足 / 47<br/>2.5 调节分析中抽样误差的编码研究特征及扩大化 / 48<br/>2.6 本书内容预告 / 51<br/>第二篇 相关性元分析<br/>第3章 分别校正相关性元分析的人为误差 / 54<br/>3.1 引言和概述 / 54<br/>3.2 基本元分析:仅校正抽样误差 / 58<br/>3.3 除抽样误差以外的人为误差 / 69<br/>3.4 元分析中测量误差的含义 / 76<br/>3.5 多种人为误差共存 / 88<br/>3.6 校正单个研究相关性的元分析 / 90<br/>3.7 间接范围限制的例子 / 95<br/>3.8 校正单个研究相关性元分析的小结 / 101<br/>练习3-1 基本元分析:仅校正抽样误差 / 102<br/>练习3-2 分别校正每个研究相关性的元分析 / 103<br/>第4章 基于人为误差分布的相关性元分析 / 105<br/>4.1 引言和基本概念 / 105<br/>4.2 完整人为误差分布的元分析 / 106<br/>4.3 人为误差校正的准确性 / 124<br/>4.4 混合元分析:单个研究中的部分人为信息 / 126<br/>4.5 相关性人为误差分布元分析小结 / 131<br/>练习 人为误差分布的元分析 / 132<br/>第5章 相关性元分析中存在的技术问题 / 135<br/>5.1 r与r2:应该用哪一个 / 135<br/>5.2 元分析中的r与回归斜率和截距 / 137<br/>5.3 在相关性元分析中使用Fisher z值 / 139<br/>5.4 元分析固定和随机效应模型 / 141<br/>5.5 元分析中的可信区间、置信区间和预测区间 / 144<br/>5.6 计算元分析中相关性的置信区间 / 145<br/>5.7 在因果建模和回归中使用元分析结果的技术问题 / 146<br/>5.8 导致SDρ被高估的技术因素 / 148<br/>第三篇 实验效应的元分析和其他二分比较<br/>第6章 处理效应:实验人为误差及其影响 / 156<br/>6.1 处理效应量化:d统计量和点二列相关性 / 157<br/>6.2 d值中的抽样误差:示例 / 159<br/>6.3 因变量测量误差 / 162<br/>6.4 处理变量的测量误差 / 166<br/>6.5 不同研究中处理强度的变异 / 168<br/>6.6 因变量的范围变异 / 169<br/>6.7 因变量测量的二分法 / 170<br/>6.8 因变量测量中构念效度的缺陷 / 171<br/>6.9 处理变量构念效度的缺陷 / 173<br/>6.10 效应量的偏差(d统计量) / 173<br/>6.11 记录、计算和转录误差 / 174<br/>6.12 多种人为误差及其校正 / 175<br/>第7章 基于d值的元分析方法 / 178<br/>7.1 效应量指标:d和r / 179<br/>7.2 d值的替代变量:Glass的d值 / 185<br/>7.3 d统计量的抽样误差 / 186<br/>7.4 抽样误差方差的累积和校正 / 188<br/>7.5 调节变量的分析 / 194<br/>7.6 校正因变量测量误差的d值统计量 / 201<br/>7.7 实验中自变量的测量误差 / 210<br/>7.8 其他人为误差及其影响 / 212<br/>7.9 校正多种人为误差的单个d值 / 212<br/>7.10 多种人为误差的衰减效应与相同的校正效果 / 213<br/>7.11 使用相关测量对包含多个人为误差的d值进行元分析 / 215<br/>7.12 基于d值的元分析总结 / 216<br/>练习 基于d值的元分析 / 217<br/>第8章 d值元分析中存在的技术问题 / 220<br/>8.1 替代性实验设计:综合考虑 / 220<br/>8.2 协方差设计分析 / 222<br/>8.3 因子独立组方差分析设计 / 223<br/>8.4 复现测量设计 / 224<br/>8.5 无对照组复现测量设计中的效度威胁 / 227<br/>8.6 观察d值的偏差 / 231<br/>8.7 d值元分析中的可信区间、置信区间和预测区间 / 232<br/>8.8 d值元分析中置信区间的计算 / 233<br/>8.9 d值元分析固定效应和随机效应模型 / 233<br/>第四篇 元分析中普遍存在的问题<br/>第9章 元分析中普遍存在的技术问题 / 238<br/>9.1 大样本研究与元分析 / 238<br/>9.2 在元分析中检测调节变量 / 240<br/>9.3 调节分析中多元回归与混合元分析模型的应用 / 246<br/>9.4 二阶抽样误差:普遍原理 / 250<br/>9.5 不同自变量的二阶元分析 / 252<br/>9.6 具有常数自变量的二阶元分析 / 253<br/>9.7 二阶抽样误差:技术处理 / 259<br/>9.8 随机效应模型的置信区间:Hunter-Schmidt和Hedges-Olkin / 268<br/>9.9 当新的研究可用时更新元分析 / 270<br/>9.10 什么是随机效应元分析的最优研究权重 / 270<br/>9.11 元分析中方差百分比的意义 / 271<br/>9.12 行为元分析中的比值比(OR) / 272<br/>练习9-1 对具有相同因变量的不同自变量进行二阶元分析 / 273<br/>练习9-2 具有常数自变量和因变量的二阶元分析(1) / 274<br/>练习9-3 具有常数自变量和因变量的二阶元分析(2) / 275<br/>第10章 研究结果的累积 / 276<br/>10.1 完全复现的设计:统计独立性 / 276<br/>10.2 概念复现和缺乏统计独立性 / 277<br/>10.3 违反统计独立性的影响研究 / 279<br/>10.4 概念复现和组合分数 / 280<br/>10.5 概念复现:第四种方法和总结 / 284<br/>10.6 通过亚组分析进行复现 / 285<br/>10.7 结论:采用总组相关性 / 286<br/>第11章 不同元分析方法及相关软件 / 288<br/>11.1 传统描述性综述 / 288<br/>11.2 传统计票法 / 289<br/>11.3 研究中p值的累积 / 289<br/>11.4 统计上正确的计票程序 / 291<br/>11.5 元分析研究 / 294<br/>11.6 元分析中未解决的问题 / 302<br/>11.7 综合研究方法综述 / 303<br/>11.8 用于元分析的计算机程序 / 304<br/>第12章 定位、评价、选择和编码研究及元分析结果的报告 / 307<br/>12.1 进行广泛的文献检索 / 307<br/>12.2 如何处理方法上存在缺陷的研究 / 308<br/>12.3 元分析中的编码研究 / 310<br/>12.4 元分析结果的报告:标准和实践 / 311<br/>12.5 初始研究报告所需的信息 / 313<br/>12.6 初始研究中报告的一般性评论 / 316<br/>附录 / 317<br/>第13章 元分析的可用性偏差、来源偏差和发表偏差 / 323<br/>13.1 某些文献的发表偏差很小或不存在 / 324<br/>13.2 方法质量对不同来源平均效应量的影响 / 326<br/>13.3 可用性偏差的多个假设和其他考虑因素 / 327<br/>13.4 当今科学研究存在信任危机吗 / 328<br/>13.5 处理可用性偏差的方法 / 334<br/>13.6 人为误差研究和发表偏差分析 / 345<br/>13.7 发表偏差分析软件 / 345<br/>13.8 防止发表偏差的尝试 / 345<br/>13.9 校正可用性偏差方法的总结 / 346<br/>第14章 心理测量元分析总结 / 347<br/>14.1 元分析方法、数据理论和知识理论 / 347<br/>14.2 元分析最终目的是什么 / 348<br/>14.3 心理测量元分析:概述 / 349<br/>附录 基于Windows的元分析软件包(2.0版) / 352<br/>参考文献 / 362
弗兰克·L.施密特(Frank L.Schmidt)
博士,艾奥瓦大学荣誉退休教授,曾执教于密歇根大学和乔治·华盛顿大学。独著、合著过7本书和近200篇论文,曾获由美国心理协会授予的应用心理学领域的杰出贡献奖,并与约翰·E.亨特教授一起获得由美国工业与组织心理协会授予的杰出科学贡献奖。他还因在元分析方法上的贡献,获得过Ingram Olkin奖、Frederick Mosteller奖。此外,还曾获美国心理科学协会授予的心理应用科学奖、美国心理协会基金会授予的终生成就奖(金奖)、美国管理协会授予的人力资源领域和研究方法领域的杰出事业贡献奖。他是美国心理协会、心理科学协会、工业与组织心理协会的会士(fellow),并且曾任美国心理协会第五部门(测量、统计和评估)的主席。
约翰·E.亨特(John E.Hunter)
博士,密歇根大学教授。合著4本书,并独著和合著了超过200篇论文。他有关态度的研究多属于沟通学领域,美国沟通协会以他的名义设立了一个奖项。曾先后与弗兰克·L.施密特教授一起获得美国心理协会颁发的应用心理学领域的杰出科学贡献奖、工业与组织心理协会授予的杰出科学贡献奖。他是美国心理协会、心理科学协会、工业与组织心理协会的会士(fellow),并曾任中西部多变量实验心理协会主席。