涵化研究的两个十年：—一个总体评估和元分析?

十分重要的手段，例如，在主流化的分析中即如此。但是由于这些受测试的群体是重叠的（例如，同样公众的计算人数要多于一个群体的计算人数），因此这些测验也是非独立的。它不能形成任何观念来平均所有这些分离的群体，因为如果那样的话，其结果将相当于把作为样本的整个数据当作一个整体。?
因此，我们决定在实施涵化分析时，不仅从整个样本，而且从人口统计学上分成不同群体。在文献中受测试的大量人群中，我们化繁为简，只聚焦于3个关键性的人口统计学标记：性别、受教育程度和年龄（虽然我们的较大的数据库包含了其他一些人群的数据）。那就是说，在我们为整个作为一个整体的独立样本积累和分析数据之后，我们也根据男性和女性、受教育程度的高低以及那些不同年龄的受测群体等情况来进行分离开来的元分析。这些不是跨越人群的独立测试（例如，女性在整个受测人群中受教育程度较高），它们更显示人口学分类上的独立性（例如，男性对女性）。这虽然不是标准的元分析程序，但这种做法似乎更为恰当合理，它被赋予涵化数据资料应有的本性和检验人群变量所需的方式，这是不同于检验调节变量的一些方式。（当然，它不涉及多种还原控制的选项，后者是我们分离地进行的。）?

   
涵化研究的两个十年：—一个总体评估和元分析?(第3页) 　
进一步的精炼与限制?
很显然，涵化研究提出了一个令人迷惑的广泛产生歧义的议题的有关数据的多样性，涵化研究运用大相径庭的研究方法，从许多独立的样本中得出大量矛盾、分歧的数据资料，使之服从于多种多样的统计资料程序，被报告的信息的类别上也缺乏一致性（如信度测量、标准偏差等）。一些研究报告结果来自好几个不同的数据库；一些报告引发了一个以上的种类不同的研究；并且一些数据库利用了在大量出版物中报告过的研究。所有这些意味着在能够进行元分析之前必须对研究结果进一步精炼、删繁就简。?
对于某一项而言，涵化文献中没有单个的因变量；但一个广泛的局部领域的变化却被揭示出来了。因此，为将事物保持在其复杂的所以如此的层面，我们仅将涵化结果集中于3个领域：(a)暴力（包括恐惧和丑恶世界量表）；(b)性别角色；(c)政治信仰和倾向。关于年龄、少数民族、宗教、职业、科学、健康、家庭以及其他主题象征的涵化研究有待他们自己的元分析。?
对于那些已经报告的没有一个特定系数的结果我们不予编码。例如，作者在谈及效果时往往表述道：“数据显示，当变量Y被作为进一步的控制被提供时，表X没有相对地改变。”在类似的案例中，没有明确给出数据，也就没有作任何编码。我们也没有对那些被高度提炼但没有被明确提出的数据进行编码。例如，格伯纳及其同僚（1981a）、摩根(1984)、摩根和尚翰(1992b)都提交了总结几乎1500个相关性的表格，但由于他们没有给出确切的系数，所以没有一项用于编码。?

除了关联外，一些涵化研究运用ANOVA来检验跨越不同见解、不同媒介和各类重度收视者的因变量上的平均差别。将这些数据种类转换到一个相对应的r系数的公式确实存在，但遗憾的是这些已出版的研究很少包含从事上述工作所必须的信息（例如变化情况）。因此，基于跨越收视人群的平均差异的结果未被纳入。?
涵化研究经常用gamma——在总数为5,633的整个结果中大约30%是gammas。这些与皮尔森关联在概念上是大致可以比较的,尽管它们基于普通数据；这样做也是由于一个关于gamma在某些计算方面的长处的讨论，参见尼尔森（Nelson）（1986）。广泛的研究和查阅没有提供有关如何将一个gamma转换成一个r的任何指南，于是我们通过一个修改了的MonteCarlo模型来开发我们自己的公式。我们将电视收视的rs和gammas二者与随机选择的100个变量一起计算，这些变量选自1994年NORC总体社会调查。Gamma和r呈高度相关（r＝.946）。我们计算了一个关于线性、非线性以及多元回归方程式的变异，在每一个案例中都呈现这个gamma,并且gamma单独地解释r中的90%以上的变化；对被解释的变化而言,没有其他的增加超过.0014%的转换或变量。于是,我们运用这个已得的回归方程式(r＝.6024*gamma—.0032)去获取一个从gamma到r的近似却也令人满意的转换。?
研究手段?
在大多数元分析中，数据的收集手段不是最重要的，原因是从每项研究中收集的无关联的信息的比特只有极少数。然而，在我们的研究中，我们有一个企图，即希望收集到分类的信息。我们的手段因此变得相当广泛。和5,633个研究结果中的的每一个相关的大多数信息我们都作了编码（虽然在这里我们主要聚焦于独立的、累积的数据）。?
对于每一个研究，我们记录相关的识别性信息（作者、出版年代以及发表刊物），并且记下

《涵化研究的两个十年：—一个总体评估和元分析?(第3页)》