後設分析（meta-analysis）研究法簡介
一、定義與緣起
meta-analysis是一種量的綜合研究，它使用很多評估和統計分析的技巧去統整巨大和不同的研究發現，換言之是用統計的概念與方法，去收集、整理與分析之前學者專家針對某個主題所做的眾多實證研究，希望能夠找出該問題或所關切的變數之間的明確關係模式。
與人有關的研究（如心理學、個人與組織行為、管理學、醫學等），經常會發生不同的研究得到不同的結果，讓人莫衷一是。於是，在研讀或撰寫研究論文的時候，我們有時候會在該篇文章的重要性與貢獻的章節看到這樣的描述：「雖然該問題已經有許多人做過實證探討，可是這些研究結果相當分歧，以致目前尚無明確的結論。這份研究可以藉由進一步的探索，找到更明確的證據，提供給相關決策者做為依據。」但當我們仔細去看以上的陳述，很容易發現這是有問題的。如果前面已經有許多研究得到迥然不同的結果，那再多這一份研究也只是在眾多分歧的研究發現中添入其中某一種發現而已，事實上並無法扭轉整個結論，也無法只憑這份研究就讓我們更清楚問題的真相或全貌。
因此，meta-analysis可能要比一般的實證研究更為困難與繁瑣，花費更多的時間。其中有兩個主要的原因：第一是要廣泛收集相關主題的研究文獻，另一個是分析資料的擷取與整理。一份meta-analysis在確定研究的問題或主題之後，必須進行之前相同主題實證研究的地毯式搜尋，範圍不只是發表在期刊上的研究文獻，還要盡可能包括博碩士的論文、政府機關或研究機構的報告、學術或專業研討會所發表的文章，甚至直接向相關領域的專家請教等等。之所以要如此廣泛收集研究文獻的主要原因，除了是愈多研究文獻累積起來的樣本數愈大，對meta-analysis的結論的強度有正面的貢獻。另一個原因是要避免研究論文的「刊登偏差」（publication bias）。由於研究論文的結論若是呈現統計上顯著性，通常比較會被期刊接受並刊登出來。所以若研究人員只拿期刊上研究文獻來進行meta-analysis，結果會被高估。因此meta-analysis花很多心血去探討各種研究文獻的收集方法。
傳統的文獻整理與敘述分析方法（narrative review）經常是將之前已經發表的針對相關主題的研究結果直接加以整理與比較，所採取的方式主要是去算有幾篇研究所得到的結果是顯著的正相關，有幾篇文章得到是顯著的負相關，然後比較看那一種結論比較多，就拿來當整體的結論。這種方法有一些缺點：首先是每一份研究的條件其實都不一樣，有些樣本多，有些樣本少，所探討的情境也不一定相同，因此每一份研究的結論事實上基礎並不一致，把它們加總起來並做比較會有問題。此外，這種方式所得到的結論頂多告訴我們所探討的關係的方向（正相關或負相關），研究者無從得知關係的強度或深度大小。
從二十世紀初開始，就有著名的統計學者如Pearson (1904)與Fisher (1932)用統計的方法去分析與整合個別研究的結論。更在1976年，有位學者Gene Glass 首次使用Meta-analysis的名稱，來代表透過統計分析去整合與分析眾多相同主題的實證研究，以獲得最有代表性的結論的過程與方法。
二、特性
Glass 等人（1981）歸納後設分析特徵有三：（一）後設分析是數量的（二）後設分析不以品質來預判研究發現（三）後設分析旨在尋找一般性總結論。後設分析是一種異於傳統文獻分析的方法，它從個別的研究結果中運用統計的過程，收集實證性的資料，探討變項間關聯的強度，也可以對研究變項間關係，提供更清楚的了解。
因此，後設分析研究理論的演進會更具一般化與可行性，而非以往採用數個研究的組合分析。它可以達到以下兩點：
1.可以計算實驗處理的效果，而非只了解統計的顯著性而已。
2.在研究中許多不同變項的假設可以被驗證，例如新移民與本國籍子女在學習成效的諸篇論文比較中有什麼樣的差異？
三、優點
Wampler(1982)認為使用後設分析的優點是：
（一）它可提供廣泛的、客觀的、有利的數據以判斷實驗處理的效果，是科學化、系統化、客觀化的方法。其採用科學與精確之統計方法，避免一般文獻綜述法所衍生的主觀判斷與選擇偏頗問題。
（二）可對多個有相同的假設性或實徵性研究加以統計分析，並可系統化分析結果不一致的數個研究，可在權衡諸多研究的正負效果中獲得一個「實驗處理是否有效」的大體結論。
（三）單一研究報告的實驗處理效果無論是正值、負值，高顯著或不顯著都會被列入分析考慮，參加效果的總評估。
（四）不需以原始的調查資料作分析，並且可避免重複執行曾經做過的研究。
以上資料彙整自下列網站：
http://thchou.blogspot.com/2008/05/meta-analysis.html
http://www.nc.hcc.edu.tw/ezcatfiles/nc/img/img/742/98003.pdf
沒有留言:
張貼留言