元分析（meta-analysis）是汇总不同研究结果、考察平均效应大小的常用方法。
元分析一般基于效应量（effect size）而非统计量（test statistics）。
元分析的一个栗子
然而，很多文献（尤其是一些老文献）只报告了统计量（如t、F、χ²）及其p值，可能并没有报告效应量（如Cohen's d、r、R²、η²），或者报告的效应量在类型上存在差异，无法直接汇总。
本文将为大家梳理总结“如何把文献中的统计量转换为不同类型的效应量”，以方便元分析的实际操作。
效应量的种类
在元分析中，我们一般选择标准化的效应量，而不是非标准化的，因为只有这样，不同研究的效应量才可以比较（Standardized and unstandardized effect sizes - Wikipedia）。
标准化的效应量可以分为三大家族：
d-family（difference family）：如Cohen's d、Hedges' g
r-family（correlation family）：如Pearson r、R²、η²、ω²、f
OR-family（categorical family）：如odds ratio (OR)、risk ratio (RR)
其中，我们可能最熟悉Cohen's d 和Pearson r，而在G*Power软件里面，f 也是一个常用的效应量（注意，并不是大写的F，F 是统计量而非效应量）。
