Eine Metaanalyse fasst die Ergebnisse mehrerer Studien zur selben Frage statistisch zusammen. Statt Befunde nur nebeneinanderzustellen, rechnet sie die Effektstärken der Einzelstudien in einen gewichteten Gesamteffekt um und prüft, wie stark die Studien voneinander abweichen. In der Wirtschaftspsychologie stützen sich etwa Schätzungen zur Vorhersagekraft von Auswahlverfahren und zum Zusammenhang von Zufriedenheit und Leistung auf Metaanalysen; Beispiele beschreiben die Einträge Validität und Korrelation.
Herkunft der Metaanalyse
Den Begriff prägte Gene V. Glass 1976 in seinem Aufsatz „Primary, secondary, and meta-analysis of research“. Nach einer historischen Analyse von Shadish und Lecy (2015) entwickelten in den 1970er Jahren Glass, Robert Rosenthal und Frank Schmidt etwa zeitgleich ähnliche Ansätze, und zwar in den Sozialwissenschaften, nicht in der Medizin. Eine Metaanalyse kann Teil eines systematischen Reviews sein: Das Review sucht und bewertet die Studien nach vorab festgelegten Regeln, die Metaanalyse rechnet. Für den Bericht systematischer Reviews gibt es die PRISMA-2020-Leitlinie von Page u. a. (2021) mit einer Checkliste aus 27 Punkten. Nicht zu verwechseln ist die Metaanalyse mit der Meta-Evaluation, der Bewertung von Evaluationen.
Ablauf und Kennwerte einer Metaanalyse
- Frage und Kriterien festlegen: welche Studien, Stichproben und Maße eingeschlossen werden
- Suchen und auswählen: in Datenbanken, den Weg der Auswahl dokumentieren
- Effektstärken berechnen: je Studie dasselbe Maß, etwa d oder r (siehe Effektstärke)
- Gewichten und zusammenfassen: genauere Studien zählen mehr
- Heterogenität und Verzerrungen prüfen: mit I² und Trichterdiagramm
Gewichtet wird meist mit dem Kehrwert der Varianz; große Studien mit kleinem Standardfehler erhalten mehr Gewicht. Üblich sind zwei Modelle: Das Modell fester Effekte erklärt alle Unterschiede zwischen Studien als Stichprobenfehler. Das Modell zufälliger Effekte lässt zu, dass die wahren Effekte von Studie zu Studie schwanken; kleine Studien erhalten dann relativ mehr Gewicht. Ein verbreitetes Verfahren dafür ist das nach DerSimonian und Laird, mit dem auch das Schaubild gerechnet ist. Im Forest Plot steht jede Studie als Quadrat für ihren Effekt; die Linie zeigt das Konfidenzintervall, die Größe des Quadrats das Gewicht, die Raute darunter den Gesamteffekt.
Higgins u. a. (2003) stellten I² vor: den Anteil der Streuung zwischen den Studien, der auf echte Unterschiede statt auf Zufall zurückgeht. Werte um 25, 50 und 75 Prozent bezeichneten sie vorsichtig als niedrig, mittel und hoch.
Forest Plot mit sechs Beispielstudien. Jede Studie zeigt ihre Effektstärke d als Quadrat mit 95-Prozent-Konfidenzintervall als Linie; die Werte reichen von 0,12 bis 0,95. Unten der zusammengefasste Effekt nach dem Modell zufälliger Effekte als Raute: d gleich 0,47, Konfidenzintervall 0,25 bis 0,69. Die Heterogenität I-Quadrat beträgt 55 Prozent.
Metaanalyse im Studium der Wirtschaftspsychologie
Metaanalysen begegnen im Studium vor allem beim Lesen von Fachliteratur und in Literaturarbeiten. Das Handwerkszeug vermitteln Methoden- und Statistikmodule, die 69 von 95 erfassten Anbietern laut Recherche, Stand Oktober 2026, in Studiengangsnamen, Schwerpunkten oder Modullisten führen. Wie die Statistikausbildung aufgebaut ist, beschreibt der Ratgeber Statistik. Typische Aufgaben:
- einen Forest Plot lesen: Einzeleffekte, Konfidenzintervalle, Gesamteffekt
- I² und das gewählte Modell deuten
- systematisches Review, Metaanalyse und einfache Literaturübersicht unterscheiden
- eine Literaturarbeit nach den Punkten der PRISMA-Checkliste dokumentieren
Grenzen: Publikationsbias und Forschungsstand
Eine Metaanalyse kann nur zusammenfassen, was gefunden wird. Werden Studien mit kleinen oder nicht signifikanten Effekten seltener veröffentlicht, fällt der Gesamteffekt zu groß aus. Ein Hinweis darauf ist ein unsymmetrisches Trichterdiagramm, in dem Effekte gegen die Studiengröße aufgetragen sind. Egger u. a. (1997) fanden mit einem Regressionstest für diese Asymmetrie Hinweise auf Verzerrungen in 14 von 37 Metaanalysen aus vier großen medizinischen Fachzeitschriften (38 Prozent) und in 5 von 38 Cochrane-Reviews (13 Prozent). Bei wenigen kleinen Studien ist der Test nur eingeschränkt aussagekräftig.
Solche Verzerrungen sind ein Thema der Replikationskrise. Für die Praxis heißt das: Auch Metaanalysen werden neu berechnet und korrigiert, wie die Diskussion um Validitätsschätzungen in der Personalauswahl zeigt. Ein Gesamteffekt ist deshalb ein Stand der Forschung, kein endgültiger Wert.