科研动态 | 探寻元分析中的“因果链条”：如何整合与解释前测-后测控制组设计数据

在心理干预、教育实验、组织行为等领域的循证研究中，前测-后测控制组设计是探究因果效应的黄金标准。当成百上千个这类研究聚焦于同一个科学问题，例如“正念训练如何通过提升注意控制来缓解焦虑”时，元分析结构方程模型便成为整合证据、检验复杂中介理论模型的有力工具。然而，研究者在此过程中常常面临一个根本性的方法学选择困境：应该基于“后测分数”还是基于“前-后测变化分数”来计算变量间的相关，以构建中介模型？两种策略的优劣与应用边界一直缺乏系统澄清。同时，在处理这类包含实验分组（二分自变量）的设计时，如何确保模型结果的合理解释，也是实践中常见的困惑。

针对这些悬而未决的方法学难题， 柯紫筠副教授研究团队近期在《Behavior Research Methods》上连续发表两篇论文，从“操作指南”与“模型深化”两个层面，系统性地解决了PPCG设计数据在中介元分析中的应用问题，为相关领域的研究者提供了从数据准备、方法选择到结果解释的完整解决方案。

研究一：澄清选择困境，提供决策地图

在《Synthesizing data from pretest-posttest-control-group designs in mediation meta-analysis（整合前测-后测控制组设计数据的中介元分析）》中，该研究首先从理论与实操层面回应了核心关切。

该研究特别论证并阐明，在满足随机分配条件时，即使自变量是二分变量（如实验组/控制组），基于相关矩阵的元分析结构方程模型完全适用。关键在于对结果的合理解读：模型输出的标准化路径系数可通过转换为“部分标准化系数”，从而被解释为处理组与控制组在结果变量上的标准化均值差。这为在相关框架下分析实验数据扫清了理论障碍。

此外，该研究详尽总结了从原始文献中各种常见统计量（均值、标准差、t值、F值、回归系数等）计算“后测分数相关矩阵”和“变化分数相关矩阵”的完整公式集，解决了数据准备阶段的核心痛点。

该研究的核心贡献是通过大规模的蒙特卡洛模拟，首次在存在异质性的现实情境下，系统比较了两种方法的统计性能。基于模拟证据，该研究为研究者提供了清晰的决策指南：

1. 首选“变化分数”法：如果研究的核心是探索“干预如何通过改变中介变量来改变结果”，变化分数法是更直接、更契合理论逻辑的选择。

2. 警惕“后测分数”法的局限：只有在特定条件下，才考虑使用“后测分数”法。其最大限制在于对“前后测相关性”和“研究数量”要求很高。如果干预前后的分数本身就很相似（相关度>0.5）用“后测分数”法会很难发现有统计意义的结果。因此，建议在前后测相关<0.5时才使用该方法，并且元分析中纳入的研究数量（K）需要足够多（建议 ≥ 30）。

研究二：超越平均效应，揭示差异来源

然而，选择正确的方法构建出“平均”中介模型只是第一步。一个更深层的问题是：不同研究得到的中介效应为何会存在差异？这些差异能否被系统性地解释和预测？这正是第二篇论文《Quantifying and explaining heterogeneity in meta-analytic structural equationmodeling: Methods and illustrations（量化与解释元分析结构方程模型中的异质性：方法与实例）》要回答的问题。

该研究系统性地引入了两种前沿的、能够直接量化模型参数异质性的元分析结构方程模型方法：单阶段元分析结构方程模型和贝叶斯元分析结构方程模型。这两种方法使得研究者不仅能得到“平均”路径系数，还能直接估计每个路径系数在不同研究间的变异程度（即异质性），并进一步引入研究层面的协变量（如被试特征、干预强度、文化背景等）来解释这种变异。

该研究通过完整的实证案例（同样以干预研究为例）演示了如何实现从“识别异质性是否存在”到“量化异质性大小”再到“利用协变量解释异质性”并最终“构建针对特定亚组的预测模型”的全流程。这为希望探究“调节机制”的研究者提供了清晰的实践指南。

总结与展望：

这两项研究构成了一个有机的方法学系列：第一篇解决了“如何正确地做”的问题，为PPCG设计的中介元分析提供了从数据准备到方法选择的标准化操作框架与决策依据；第二篇则回答了“如何深入地问”的问题，为研究者提供了在平均效应基础上，进一步量化、解释和预测研究间差异的强大工具。

它们共同为基于实验和准实验设计的理论整合与机制检验研究，提供了坚实、先进且完整的方法学支撑。未来，柯紫筠副教授团队将继续在此方向探索，包括不同效应量指标之间转换以及发表偏倚的处理等议题。

所有相关分析代码与数据均已开源，旨在推动开放科学和实践共享。

论文信息：

1. Lu, Z., Ke, Z., Cheung, R. Y. M., & Zhang, Q. (2025). Synthesizing data from pretest-posttest-control-group designs in mediation meta-analysis. Behavior Research Methods,57,146. https://doi.org/10.3758/s13428-025-02661-y

2. Ke, Z., Du, H., Cheung, R. Y. M., Liang, Y., Liu, J., Chen, W., & Zhang, Q. (2025). Quantifying and explaining heterogeneity in meta-analytic structural equation modeling: Methods and illustrations. Behavior Research Methods, 57, 131. https://doi.org/10.3758/s13428-025-02647-w

代码与数据：

1.https://github.com/GiaLuQuant/MediationMeta-analysis_ 2023/

2.https://github.com/zijunke/HeterogeneityMASEM

团队简介：本研究由中山大学心理学系柯紫筠研究团队完成，团队长期致力于心理统计学、元分析方法学、计算社会科学等交叉领域的研究。团队常年招收对量化研究方法、非实验性因果推断、元分析、机器学习和心理学交叉领域感兴趣的硕士生。欢迎有志青年加入！

联系邮箱：keziyun@mail.sysu.edu.cn