SPSS 命令: SPSS META CONTINUOUS
在浏览器中做连续结局 Meta 分析
连续结局 Meta 分析用于合并比较处理组与对照组均值的研究。
免费 · 无需注册 · 文件留在本机 · 更新于 2026年10月18日
能告诉你什么
Crosstabs 在你的设备上运行与 SPSS META CONTINUOUS 对应的过程：根据组汇总数据计算 Hedges g、Cohen d 或原始均值差，或直接使用预先计算的效应量与标准误，再以逆方差固定效应或随机效应合并，并给出异质性统计量、Egger 检验和森林图。
- 合并的标准化或原始均值差，附置信区间和 p 值。
- 每项研究的效应量、标准误、区间和权重。
- 在所选 τ² 估计方法下的研究间异质性（Q、τ²、H²、I² 及其区间）。
- 可能提示发表偏倚的小样本研究效应检验。
适用场景
适合使用
- 各研究报告同一结局的组样本量、均值和标准差，量表可能不同（此时使用 Hedges g）。
- 所有研究使用同一测量工具，希望以原始单位表示效应（此时使用均值差）。
- 已有效应量及其标准误，例如来自回归结果或已发表的表格。
改用其他方法
- 结局为事件计数：使用二分类结局 Meta 分析。
- 希望将效应量与研究特征关联：使用 Meta 回归。
- 只有一项研究的原始数据：使用独立样本 t 检验。
在 Crosstabs 中如何操作
- 01
每项研究录入一行
准备每项研究一行的文件，打开后切换到“统计”模式。
- 02
选择连续结局 Meta 分析
在“一致性与诊断”组中选择“Meta 分析：连续结局”（META CONTINUOUS）。
- 03
选择数据形式
将“数据”设为“各组均值、标准差和样本量”（再选择效应量：Hedges g、Cohen d 或均值差，并指定处理组与对照组的 N、均值、标准差），或设为“预先计算的效应量和标准误”（再选择这两列）。
- 04
选择模型
将“模型”设为随机效应（选择“研究间方差（τ²）估计方法”，可勾选“Knapp-Hartung 校正”）或固定效应，并设置“置信水平（%）”。可选择“研究标签（可选）”。
- 05
运行
点击“运行”。工作区权重不会被使用；研究按方差倒数加权。
计算示例
以下结果由 Crosstabs 引擎在构建本页时根据模拟数据实际计算得出，并非手工填写。
数据
六项假设的阅读干预研究，每项一行，录入处理组和对照组阅读得分的样本量、均值和标准差。这些汇总值为录入的原始数据，Hedges g 及所有合并统计量均据此计算。
输入数据预览
| 研究 | 处理组：N | 处理组：均值 | 处理组：标准差 | 对照组：N | 对照组：均值 | 对照组：标准差 |
|---|---|---|---|---|---|---|
| Study A | 32 | 54.1 | 9.8 | 30 | 49.6 | 10.4 |
| Study B | 48 | 51.3 | 11.2 | 50 | 50.2 | 10.9 |
| Study C | 25 | 58.7 | 8.9 | 24 | 50.8 | 9.6 |
| Study D | 70 | 52.4 | 10.1 | 68 | 49.9 | 10.3 |
| Study E | 20 | 55.9 | 12.5 | 22 | 48.1 | 11.8 |
| Study F | 41 | 50.9 | 9.5 | 40 | 50.5 | 9.9 |
| 研究 | 效应量 | 标准误 | 95% 置信区间 | 权重 % |
|---|---|---|---|---|
| Study A | 0.440 | 0.257 | −0.064 – 0.944 | 14.2 |
| Study B | 0.099 | 0.202 | −0.298 – 0.495 | 20.7 |
| Study C | 0.840 | 0.298 | 0.256 – 1.425 | 11.1 |
| Study D | 0.244 | 0.171 | −0.091 – 0.579 | 26.1 |
| Study E | 0.630 | 0.317 | 0.010 – 1.251 | 10.0 |
| Study F | 0.041 | 0.222 | −0.395 – 0.476 | 17.9 |
权重为随机效应权重。
| 模型 | 效应量 | 标准误 | Z / t | 显著性 | 95% 置信区间 |
|---|---|---|---|---|---|
| 逆方差 | 0.295 | 0.093 | 3.17 | .002 | 0.112 – 0.477 |
| 随机效应 | 0.310 | 0.107 | 2.89 | .004 | 0.100 – 0.520 |
随机效应：τ² 由限制性最大似然（REML）估计。
| Q | df | 显著性 | τ² | H² | I² (%) | I² 95% CI |
|---|---|---|---|---|---|---|
| 7.128 | 5 | .211 | 0.0148 | 1.426 | 29.9 | 0.0 – 71.4 |
Q 为共同效应估计的 Cochran 同质性统计量；H² = Q/df，I² = (Q − df)/Q。
| 项目 | 截距 | 标准误 | t | df | 显著性 |
|---|---|---|---|---|---|
| 小样本研究效应 | 3.839 | 1.693 | 2.27 | 4 | .086 |
以效应/SE 对 1/SE 回归；截距不为 0 提示漏斗图不对称。
结果解读
随机效应合并 Hedges g 为 0.310（95% 置信区间 0.100 – 0.520，p = .004），表明干预有小到中等的益处。研究间方差 τ² = 0.0148，I² = 29.9%，说明各研究的一致程度与抽样误差相符。Egger 截距（3.84，p = .086）需谨慎解读：只有六项研究时该检验的检验效能很低。
输出表格说明
- 效应量估计
- 每项研究的效应量、标准误、置信区间和权重百分比。脚注给出所用方差公式，并列出因每组少于两个个案或标准差为零而被排除的研究。
- 总体效应量
- 逆方差固定效应估计，以及随机效应模型下的随机效应合并估计，均附标准误、Z 或 t、显著性和区间。
- 异质性
- Q、自由度、显著性、τ²、H² 和 I² 及其区间。
- Egger 回归检验
- 效应/SE 对 1/SE 回归的截距及其 k − 2 自由度的 t 检验；截距显著提示不对称。
前提假设与注意事项
- 各研究内结局近似正态，均值与标准差足以概括数据。
- 标准化效应假设各研究测量的是同一概念，即使量表不同。
- Hedges g 与 Cohen d 均以合并标准差标准化；Hedges g 采用精确的小样本校正。
- 预先计算的数据行要求标准误为正；标准误为零或缺失的行会被删除。
结果如何验证
在七项研究的参考数据上，Hedges g 与均值差的效应量和方差与 R metafor 5.2.1 escalc 一致到 1e-12，七种 τ² 估计及其合并估计在内点解时与 rma 一致到 1e-6；Hedges g 还与 statsmodels 0.15 effectsize_smd 一致、DerSimonian-Laird τ² 与 statsmodels combine_effects 一致，精度为 1e-3。Egger 检验与 metafor regtest 一致到 1e-8。 验证证据（英文）
常见问题
选 Hedges g 还是 Cohen d？
Hedges g 校正了小样本研究中 d 的轻微正向偏差，是 Meta 分析中的常用选择。每组 30 例及以上时两者几乎相同。
能否把变化分数与后测分数合并？
需要谨慎：二者的标准差不同，标准化效应并不能直接比较。应优先只使用一种，或自行一致地计算效应量与标准误后使用预先计算选项。
Egger 检验需要多少项研究？
面板在三项研究起就会显示该检验，但研究少于约十项时检验效能很低。研究很少时的不显著结果应视为信息不足，而非不存在偏倚的证据。
Knapp-Hartung 校正有什么作用？
它重新调整随机效应的标准误，并使用自由度为 k − 1 的 t 分布，在研究较少时给出更宽、校准更好的区间。
相关过程
用你自己的数据运行 Meta 分析：连续结局
打开 .sav、CSV 或 Excel 文件。所有计算都在浏览器中完成，文件不会离开你的设备。
SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联，也未获得 IBM 认可。