用R做meta分析（附效应量计算神器）

Hello，
这里是行上行下，我是喵君姐姐~

众所周知，R具有免费、源代码开放，以及出色的统计计算和绘图表现能力等一系列优点，颇受科研人员的喜爱。当然，这些优势在meta分析上也表现得极为突出。

本教程以标准平均差(cohen’s d)作为效应量的meta分析为例进行演示，适用于比较两种实验条件之间因变量的差异。例如“有、无干预条件下社交焦虑程度的差异”、“集中注意、分散注意条件下n-back任务的正确率差异”等等。

简单来讲，实证研究中，可以进行t检验的结果，都可以参考以下教程，对数据进行meta分析。

接下来，我们邀请到FarAway将逐步介绍用R做meta分析的基本步骤。

本文以软件实操讲解为主，如果读者对meta分析的原理感兴趣，推荐以下两本书自行学习。

（扫码即可购买，满100减50，还可叠加优惠券哟~）

1 准备

工欲善其事必先利其器，先来说说准备工作：

1. 下载并安装R studio，在往期推文中我们已经详细介绍了R和Rstudio的安装教程，按步骤操作即可！

2. 安装三个工具包：meta、metafor和xlsx

3. 准备好上述需要进行meta分析的数据，存放在电脑中，以备调用。

为方便讲解，我们引用了《meta分析导论》里的一组数据，如下：

从左到右，依次是纳入的研究效应量的编号(No)、第一作者的姓名(author)、发表年份(year)、实验组因变量均值(exp_mean)、实验组均值的标准差(exp_sd)、实验组样本量(exp_n)、控制组因变量均值(con_mean)、控制组均值的标准差(con_sd)、控制组样本量(con_n)、效应量(cohen’s d)、效应量95%置信区间下限(lower)、效应量95%置信区间上限(upper)、施测的地区(area)。

从上到下，每一行数据都代表一个原始研究(single study)的一个效应量，如果一个原始研究中包括多个效应量（如：有好几个实验（或成对比较）及其结果），那么每一个效应量应该作为独立的一行列在表格中。

我们注意到，很多实证研究中只报告均值、标准差/标准误、样本量等描述统计结果，并未提供效应量，因此，通常在meta分析前，我们需要自己计算效应量及其置信区间。文末有效应量计算工具的推荐。

2 配置环境和工具包

相信用过R软件的小伙伴一定对工具包的安装不陌生（可参见：R语