演講內容說明
統合分析(Meta-analysis, MA)及結構方程模型(structural equation modeling, SEM)是目前應用在行為科學、醫學及社會科學上其中兩種最先進的統計方法。每一種方法都有特定的術語、成立穩固的研究社群、統計模型、應用軟體及期刊等 (Research Synthesis Methods and Structural Equation Modeling: A Multidisciplinary Journal)。
社會科學許多研究主要的問題均是試圖了解一組變量之間的關係，如計劃行為理論：態度、主觀規範及認知行為控制對行為意圖的影響。一般研究大多是發展問卷再針對特定人士加以調查，資料搜集後再分析變量之間的關係，再進行推論。但畢竟一個研究，要做一般性推論並不容易，研究結果是否真正代表模型的關係或甚至於變量之間的關係可能有不同的組合(競爭模型)也不可知。為了讓模型之間關係的判定更具有強靭性，利用MA找出過去相似的研究，分別算出變量之間的皮爾森相關(效果量)，經過樣本加權後整合為變量之間的平均相關，建立相關矩陣，進行SEM分析。SEM是目前唯一可以利用相關矩陣進行統計分析而不需要原始數據的統計方法，經過兩種方法的整合，這方法就統稱為Meta-analysis Structural equation modeling (MASEM)。
MASEM訊息的取得是來自多個前人的研究結果,來測試我們假設的模型並解釋變量之間的關係或比較多個由理論所支持的不同模型檢驗模型的優劣性(Becker 1992; Viswesvaran and Ones 1995)。MASEM提供模型的估計如參數估計值、標準誤及信賴區間等，對模型分析提供模型配適度及競爭模型的比較指標如AIC, BIC,ECVI等。由於meta-analysis 和SEM的結合，某些在不同領域整合的困難性因此可以被克服 (Jake, 2015)。
由於網路的發達，使得搜集論文的成本大幅下降，速度也快了許多，所以，目前應用MASEM的學者漸漸增加，對於這門新興的研究方法，是否應該先來了解一下MASEM能否為我們帶來更多研究的創新及思維呢？
