приведенных в публикациях значений р в соответствующие нормированные отклонения,
 или Z-величины, эти значения Z суммируются и делятся на корень квадратный из 
числа объединяемых исслед. (N). Данная процедура основана на том известном 
факте, что сумма нормированных отклонений сама яв-ся нормированным отклонением, 
с дисперсией, равной числу включаемых в анализ исслед. Единственное известное 
ограничение этого метода связано с тем, что предположение единичной дисперсии 
для каждого из объединяемых исследований может при некоторых обстоятельствах 
повышать ошибки I и II рода.
    Когда число объединяемых данных невелико, при оценивании общей значимости 
данных разумно воспользоваться не одной, а несколькими процедурами параллельно. 
Даже если объединяется большое число опубликованных данных, рекомендуется 
использовать вторую процедуру объединения как средство проверки результатов М. 
Хотя существенные различия в результатах применения метааналитических процедур 
встречаются крайне редко, вычисление критериальных статистик разными методами 
все же делает выводы анализа более убедительными. В зависимости от конкретных 
обстоятельств, исследователь должен рассматривать возможность применения и 
других процедур, включ. модели сложения вероятностей и проверки среднего р 
Эджингтона (Edgington's adding probabilities and testing mean p models), модели 
сложения взвешенных Z-величин и проверки среднего Z (the adding weighted Zs and 
testing mean Z models), а также различные вычислительные методы и методы 
объединения данных в блоки.
   Оценка величины эффекта
    Вторая общая метааналитическая стратегия в области объединения данных, 
полученных в разных исслед., предполагает оценивание силы интересующего эффекта.
 В отличие от первой стратегии, предполагающей определение общей значимости 
данных, оценка величины эффекта сосредоточена более конкретно на силе эффекта 
гипотетической связи между переменными. Как заметил Коэн: «Не подразумевая 
каких-либо необходимых выводов о причинности, удобно пользоваться выражением 
величина эффекта в значении уровня представленности определенного феномена в 
генеральной совокупности или, иначе говоря, степени ложности нулевой гипотезы 
(нулевой величины эффекта)».
    Оценки величины эффекта можно получать с помощью широкого множества методов.
 В данном случае мы ограничимся рассмотрением статистических критериев, 
подходящих для оценки а) корреляционных связей и б) групповых различий на 
основе t-критерия Стьюдента. При оценивании эффекта корреляционных связей цель 
заключается в объединении данных разных исслед., касающихся связи между двумя 
изучаемыми переменными, измеренными в интервальной шкале или шкале отношений, 
тогда как оценивание групповых различий относится к оценке степени изменения 
предусмотренного гипотезой исхода (= результата) при сравнении двух 
тождественных групп, чаще всего определяемой относительно таких условий, как 
«контроль/эксперимент» или «предварительное/итоговое тестирование».
    Опубликованные исслед. различаются эксперим. планами и критериальными 
статистиками, приводимыми в описании результатов. Данные, относящиеся к связи 
между переменными, могут быть выражены в единицах корреляции произведения 
моментов Пирсона (r), квантилей ?2-распределения или к.-л. др. стат., а данные 
о групповых различиях могут приводится с использованием t, F или др. стат. 
Поэтому прежде чем оценивать общую величину эффекта, нужно перейти от разных 
итоговых статистик, сообщаемых в анализируемых публикациях, к к.-л. общей мере. 
К наиболее часто используемым для этой цели мерам относятся корреляция 
произведения моментов Пирсона (применительно к корреляционным данным) и 
d-статистика (применительно к групповым различиям, оцениваемым с помощью 
t-критерия Стьюдента). Хотя далее речь пойдет именно об этих двух стат., М., 
конечно же, не ограничивается их применением. Что касается процедур 
преобразования с использованием разнообразных стат., следует обратиться к 
Розенталю. После того как сообщаемые в анализируемых публикациях стат. выражены 
в единых мерах, можно начинать анализ величины эффекта.
   Корреляционные связи. Оценка величины эффекта между двумя изучаемыми 
переменными требует выполнения простых арифметических действий по следующей 
формуле:
    .
    Иначе говоря, вычисляется простое среднее арифметическое корреляций путем 
деления суммы приведенных в публикациях коэффициентов корреляции на число 
суммируемых коэффициентов (п). В качестве альтернативы использованию значений r 
можно усреднять значения величины Z Фишера:
    .
    После замены значений r соответствующими значениями Z (по формуле или с 
помощью специальной таблицы преобразований Фишера) сумма значений Z делится на 
число коэффициентов корреляции, включ. в анализ. Затем  преобразуется обратно в 
соответствующее значение r, к-рое и сообщается в качестве итоговой стат. 
анализа.
    В ходе дальнейшего оценивания величины эффекта может потребоваться учесть 
различия между исслед., касающиеся а) вариации объема выборок и б) 
использования различных способов или методик измерения. Так как две 
вышеописанные процедуры не предусматривают введение поправок или весов исходя 
из различий объема выборок, коэффициент корреляции (или Z Фишера) из исслед., 
проведенного на выборке из 10 чел., будет учитываться в них с тем же весом, что 
и др. коэффициент, полученный на выборке объемом в 500 человек. Признавая 
потенциальную важность этого типа вариабельности, Хантер с соавторами и 
Розенталь рекомендуют при проведении анализа величины эффекта использовать 
среднее арифметическое значений r, взвешенных соответственно различиям выборок,