元分析（Meta-analysis）是一种系统性的统计方法，它通过整合多个独立研究的结果来得出更全面、更可靠的结论。这种方法广泛应用于心理学、管理学、医学等领域，旨在解决单个研究可能因样本量小、方法差异或偶然因素导致的结论不一致问题。元分析的核心在于从已发表或未发表的研究中提取效应量、样本大小等关键数据，并采用加权平均等技术来综合评估变量间的关联强度或干预效果。
在决策与认知科学中，元分析帮助研究者超越单一实验的局限，揭示潜在的行为模式和认知偏差。例如，在探讨确认偏误或锚定效应时，元分析可以量化这些偏差在不同情境下的普遍程度，从而为理论构建提供坚实证据。元分析的优势在于其透明性和可重复性，它要求研究者明确报告文献检索策略、纳入标准和分析方法，这有助于减少出版偏倚和主观选择的影响。
尽管元分析是一种强大的工具，但其质量高度依赖于原始研究的可靠性和异质性处理。因此，在解读结果时需谨慎，并结合专业判断来评估结论的泛化能力。对于希望深入了解的读者，推荐阅读博伦（Borenstein）等人所著的《元分析导论》（Introduction to Meta-Analysis），该书系统阐述了方法原理与应用实例。