元分析用了一份数据但方法不一样
meta分析是要求相同的指标的统计量，所以不能两类数据合并
理论上不会改变。
因子分析的主要途径是构建因子模型来计算各主因子得分，从而分析主因子的贡献力总结出因子实际意义。数据标准化只是将不同变量量纲化，说明白点就是去掉各变量的单位，统一为标准化数据。
如果原始数据单位不冲突，标准化与否影响不大，正规来讲，做多元统计分析前需要将数据进行标准化处理，保证统计分析的正确性。所以不仅不要担心结果改变，相反应该要求数据的标准化处理。
扩展资料：
变量无法直接测量。可以直接测量的可能只是它所反映的一个表征，或者是它的一部分。在这里，表征与部分是两个不同的概念。表征是由这个隐性变量直接决定的。隐性变量是因，而表征是果，比如学习积极性是课堂参与程度 (表征测度)的一个主要决定因素。
自变量与应变量之间是应该相关的，而不是独立的。这些局限性就要求有一种更加灵活的建模方法，使研究者不但可以更细致地描述测度项与因子之间的关系，而且可以对这个关系直接进行测试。而在探索性因子分析中，一个被测试的模型(比如正交的因子) 往往不是研究者理论中的确切的模型。
参考资料来源：百度百科--因子分析
元分析（meta-analysis )统计方法是对众多现有实证文献的再次统计，通过对相关文献中的统计指标利用相应的统计公式，进行再一次的统计分析，从而可以根据获得的统计显著性等来分析两个变量间真实的相关关系。
元分析程序输入参数包括：各个观察到的相关系数（已有研究文献中变量间的相关计分析，从而可以根据获得的统计显著性等来分析两个变量间真实的相关关系。
方法简介
元分析要求每个观察到的相关系数经过研究样本的大小的权重处理，从而产生经过权重处理的总体相关性的平均估计值。这个观察值的误差包括总体样本的真实误差，样本误差，以及测量误差。因此为了获得精确的总体相关性及其误差，需要对样本误差和测量误差等进行修正，找出“调节变量”分组研究。另外，元分析对使用的数据进行了一定的限制要求。如“一个变量在不同的研究中有多种衡量指标”出现时，需首先得将这种“异质性”进行处理（Hunter and Schmidt,1990）以保证数据来源及统计方式的一致性。
统计特点
第一次使用“元分析”这个概念的人是美国学者格拉斯，他在1976年美国教育研究联合会(American Education Research Association)的发言致辞中首次提出元分析概念。格拉斯认为，元分析是一种对分析的分析，具有以下主要特点：
(1)元分析是一种定量分析方法，它不是对原始数据的统计，而是对统计结果的再统计；
(2)元分析应该包含不同质量的研究；
(3)元分析寻求一个综合的结论。
统计缺点
元分析可以成为跨研究评判结果的一件有力工具。即使许多研究者已经乐意接受元分析的概念了，可还有一些人基于若干理由而质疑它的有用性。
评估被评论的研究的质量
在一家期刊里可见的研究之质量取决于期刊的编辑政策。有些期刊有严格的发表标准，而另一些的发表标准就不太严格。这就意味着发表的研究之质量在不同的期刊间会有很大差别。元分析面临的一个问题是如何处理参差不齐的研究质量。例如，在一家非同侪评审的期刊上发表的文章应该与在一家需同侪评审的期刊上发表的文章一视同仁吗?遗憾的是对这个问题没有简单的答案。
应该沿什么维度来对研究加权呢?这毫无一致意见。需一非同侪评审的维度虽然是可以的，但是你采用这个维度时也要当心，因为一家期刊是不是同侪评审的，这并不是发表的研究之质量的可靠指标。在一个新的领域里用新方法做的研究有时会被同侪评审的期刊拒绝，尽管这家期刊在方法学上是健全的，也是高质量的。类似地，在同侪评审的期刊发表的作品虽然有助于你确信该研究的质量是高的，但不保证高质量。
用不同的方法合并与比较研究
对元分析的常见批评是难以理解怎么可能对材料、量器以及方法都广泛不同的诸研究做比较。这个问题通称为“苹果与桔子之争”(Glass，1978)。对元分析的这种批评虽常见，却无效。比较不同的研究结果与在一个普通实验里对异质被试作平均化是毫无不同的。如果你愿意接受对被试作平均化，那也就能接受对异质研究作平均化。
关键问题不是应不应该在异质研究之间做平均，而毋宁说是不同的研究方法会不会带来不同的效应规模。当某一被试变量成了研究中的一个问题时，你经常会“胶着”在这个被试变量上以确定它是如何与出现的差异相关联的。同样的，如果方法学的差异显得与研究结果有关联，那么在一项元分析里，研究也要停下来考察方法学。
元分析的工作是一项艰巨的工作。对同一问题做实验，可以使用很不同的方法与统计技术。还有，某些研究也许没有提供必要的信息可做元分析。
元分析的结果不同于传统述评的结果吗?
传统的述评产生的结果是不是与元分析的结果有质的不同?这的确是个问题。有学者直接比较了这两种方法。他们把研究生和教授随机分配于做元分析或做传统述评，材料是7篇文章，讲述被试性别对作业坚持性的影响。其中两篇研究认为女性比男性更有坚持性，而另5篇要么没有统计数据，要么显示没有显著效应。
这一研究的结果显示了使用元分析的参与者比使用传统方法的参与者更有可能得出性别对坚持性有影响的结论。另外，比之于做元分析的参与者，做传统述评的参与者认为性别对坚持性的影响小。总起来看，使用元分析的参与者有68%愿意断言性别对坚持性有影响，而只有27%使用传统方法的参与者有此倾向。用统计学的话来说，做元分析者比传统述评者更愿意拒绝性别无影响的虚无假设。因此使用元分析来评判研究会导致Ⅱ型决策错误的降低。
最后，值得注意的是，使用元分析本身要求的统计学进路与对传统实验数据做统计分析的研究策略是一样的。当我们得到一个实验的结果时，我们不会只打量(“盯着”)数据，看看是否存在什么模式或关系。相反，在大多数情况下，我们用统计分析来评判关系是否存在。同样的，与其“盯着”诸研究而猜测可能的关系，还不如把一项统计分析应用于不同研究的结果，以见是否存在有意义的关系，这会更好。
统计步骤
元分析要具有可复制性，不仅应尽可能多地检验搜集来的研究样本，观察它们是否可以凸显出某种单项研究显现不出的潜藏规律，还应该清楚地描述自己是如何发现这些研究及如何对它们作分析的，以便他人进行评价。因此，元分析必须遵循详尽、严格的研究步骤。
确定研究目的
确定研究目的也就是组织研究框架。在收集研究之前，首先必须确定研究中想要探索的文献领域及将要包括的题目范围。元分析涵盖的题目有时很宽泛，但其核心必须界定清楚，而且应该建立一套挑选研究样本的“包含”与“排除”标准，这样可以帮助一起合作的研究者在面对同一群文献时能够运用同样的标准去查找或分析研究。
确定研究目的时，还需要充分理解自己所要分析的概念及使用的方法，就像确定实验研究中的自变量和因变量一样，确定所要研究的效果量及结果。
彻底的文献搜索
通过包括计算机网络在内的各种手段进行彻底的文献搜索，也就是研究样本的搜索，这对元分析的有效性非常重要，是综合研究得出结论的基础。对文献样本的收集可根据Rosenthal(1984)提出的大概分类标准：
书：包括作者的原著、几位作者共同合编的书及书的某些章节；
期刊：包括专业期刊、已出版发表的时事通讯、杂志及报纸；
论文：包括博士论文、硕士论文及学士论文；
未发表的研究：包括某些技术报告、学术报告、大会论文及将要发表的论文。
确定适合的研究样本
选择符合研究框架的研究样本是元分析的关键。要考虑多种问题，如它的研究设计，文章发表的时间，文章使用何种语言表述，研究中的样本大小及信息是否完整等等。
一般而言，尽可能选择最新的研究。对于未被选中的资料在分析中也要说明，这样就可以清楚明了地表明这些研究曾经发表过，并非经过一段时间将它们遗漏，只是没有作为设计的一部分包括进研究内。同时如果在研究中仅选择了以母语或英语表述的文章，就要说明这样做的理由。
另外，如果看到某一类研究在相似的题目上有多重报告，那么就选择其中一个信息较为完整的研究，使同一类型研究中的信息对元分析只贡献一次。尽量排除小样本的研究。如果选择了纵向跟踪研究，则要尽早决定跟踪研究的时限。
定义变量及对变量编码
在收集、选择了元分析的文献后，必须确定在元分析中要检验何种研究特征，这些特征就是元分析的变量。一般有以下四种变量：(1)识别背景特征的变量。这类变量包括入选研究样本的数量，研究样本的参考文献，对研究编码的人数(一般要求至少两人以上)，研究资料的来源等。(2)识别样本特征的变量。这类变量包括被试的特征，如性别、年龄、民族、受教育水平、社会经济状况等。(3)识别研究特征的变量。这类变量包括研究的理论架构，研究设计，研究采用的工具，研究测量的效应类型以及其他。如果可能，这类变量可以帮助解释研究方法与结果之间的关系。
识别统计特征的变量
这类变量包括两类统计值，一个是表现平均值差异的效果量d，这需要关注每一个研究中的平均数、标准差和样本大小。另一个是表现关系的相关系数r，这需要关注每一个研究中的相关系数及相关的测量统计值。
在界定了用来测量研究的变量之后，还需要为每一个变量编码数据。对于每一个元分析而言，都应该有一套界定好的数据编码系统，不同的数字代表了每一类变量中不同的水平情况。如关于性别，若样本中仅有男性，编码系统可将其编码为1，若样本中仅有女性，则可编码为2，若既有男性又有女性，则可编码为3，如果样本未对性别作明确说明，则可用999(缺失值)进行编码。研究者需要对所有的分析变量进行编码。
研究数据的录入
元分析中搜集来的有关各样本研究特征的数据，需要录入一个相关的统计软件包进行分析。“元统计”软件包是由Rudner、Evartt和Emery规划设计的，其中包含有Glass、Hedges、Olkin、Schmidt和Hunter及其他学者的大量元分析理论，如Hedges的同质性检验，Rosenthal和Rubin的聚合显著性水平分析，以及近似随机化检验及效果量大小计算等等。该软件包还可以提供大量的程序来帮助完成数据录入、统计分析和图表分析，数据录入的形式既可以依据标准码的形式也可以依据SPSS的固定格式。
运用多种统计技术探索、展现数据
在进行复杂的元分析之前，应先对一些基础的数据特征进行分析，特别是录入数据后最好做一个简单频次分布图与散点图，来观察数据录入是否合理或者在所有欲分析的研究中是否有非常明显的异常数据存在。如果有，则可用软件包中提供的相应处理异常数据的方法来尽早地修正或远离它们。对于具体采用哪些元分析技术，要根据研究目的来决定。一般地，需要计算各研究样本的效果量及总效果量的大小，计算对总效果量估计的置信区间以及对各研究样本的同质性检验。面对不同质的样本要做敏感性分析，即根据研究质量的评定对研究样本分层，可划分为两层或多层，然后对每一层分别进行分析，同时对比其结果[1] 。
元分析用了一份数据但方法不一样
答：(1)元分析是一种定量分析方法,它不是对原始数据的统计,而是对统计结果的再统计;(2)元分析应该包含不同质量的研究;(3)元分析寻求一个综合的结论。统计缺点元分析可以成为跨研究评判结果的一件有力工具。即使许多研究者已经乐意接受元分析的概念了,可还有一些人基于若干理由而质疑它的有用性。评估被评论的研究的质...
常用的数据分析方法有哪些?
答：(1)现状分析并建立假设:分析业务数据,确定当前最关键的改进点,作出优化改进的假设,提出优化建议;比如说我们发现用户的转化率不高,我们假设是因为推广的着陆页面带来的转化率太低,下面就要想办法来进行改进了 (2)设定目标,制定方案:设置主要目标,用来衡量各优化版本的优劣;设置辅助目标,用来评估优化版本对其他方面的影...
换轮胎一定要做四轮定位吗
答：四轮定位是可以让轮胎和车身保持在最好的角度,可以保持直线行驶不易跑偏,转向也会变得更轻巧,还能节省一定的燃油消耗,最主要的是可以大幅度提高行车的安全性。 四轮定位是一种维修方式,而且价格也不会很高,大概在100元左右;日常我们给汽车做保养时可以不做四轮定位这个项目,但是在更换轮胎或者是车辆发生过碰撞,都是需...
工作中如何进行数据分析---用数据来发现问题和机会
答：③ 聚类。聚类分析是把一组数据按照相似性和差异性分为几个类别，其目的是使得属于同一类别的数据间的相似性尽可能大，不同类别中的数据间的相似性尽可能小。它可以应用到客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分等。聚类分析的方法可以学习CPDA数据分析的课程。④ 关联规则。关联规则...
论文数据分析方法有哪些
答：论文数据方法有多选题研究、聚类分析和权重研究三种。1、多选题研究：多选题分析可分为四种类型包括：多选题、单选-多选、多选-单选、多选-多选。2、聚类分析：聚类分析以多个研究标题作为基准，对样本对象进行分类。如果是按样本聚类，则使用SPSSAU的进阶方法模块中的“聚类”功能，系统会自动识别出应该使用...
为什么有些人没有让PDCA循环起来?
答：1⃣可视化用思维导图或者表格制作工作计划表,将项目成员,成员负责的工作,如何进行以及工作重点、项目要求完成的数量、全部罗列出来。2⃣系统化可以复制。例如Excel,在进行数据分析时,建立一个模板,无论是何时、何地、何人都能取得同样的成果。3⃣习惯化将时间与行动结合起来,例如早晚+刷牙。让PDCA循环起来:...
excel数据怎么对比分析?数据比对查找技巧
答：应用案例一：比对取出两表的交集(相同部分)Sheet1中包含了一份数据清单A，sheet2中包含了一份数据清单B，要取得两份清单共有的数据记录(交集)，也就是要找到两份清单中的相同部分。方法1：高级筛选高级筛选是处理重复数据的利器。选中第一份数据清单所在的数据区域，在功能区上依次单击【数据】——【...
财务分析方法有哪些,有什么特点
答：在实际工作当中,比率分析方法应用最广。 二、财务比率分析 财务比率最主要的好处就是可以消除规模的影响,用来比较不同企业的收益与风险,从而帮助投资者和债权人作出理智的决策。它可以评价某项投资在各年之间收益的变化,也可以在某一时点比较某一行业的不同企业。由于不同的决策者信息需求不同,所以使用的分析技术也...
用spss对数据进行回归分析,但不知选哪一种回归类型,怎么办?请教高手...
答：回归有很多种，回归研究X对于Y的影响，至于回归方法的选择上，关键在于因变量Y的数据类型，如果Y是离散数据，则统一应该使用logistic回归，但具体logistic回归又分成三种类型。如果因变量Y提连续数据（通常也说Y是正态分布时），则应该使用线性回归（有时也称OLS最小二乘法回归）。还有一种较为特殊而且使用...
问卷统计分析方法,如何进行调查问卷统计分析
答：2．复杂定量分析法 复杂定量分析是相对于简单的定量分析而言的，由于在问卷中的变量较多，不是简单的一个或两个，而是多个，这时就需要用复杂的分析方法，复杂分析方法又分为多元分析和聚类分析。多元分析是通过分析数据由表到里，由外到内的一种分析方法，通过变量之间的规律变化而从中找出一定的规律性...
