荟萃分析在服装研究领域中的应用

刘红文　李晓红

摘要：随着研究综述方法学的发展，荟萃分析已被广泛应用于各学科研究中。但通过文献收集与梳理发现，荟萃分析在国内服装研究领域中的运用仍是处于理论空白阶段。为了推动荟萃分析在国内服装理论整合研究中的广泛应用，提高服装理论研究的规范性与客观性，文章在对荟萃分析的基本含义、功能、优势、样本选择与研究流程分析的基础上，以中国2007—2019年发表的52篇服装在线评论与消费者购买意愿关系的研究文献作为案例，系统地探讨荟萃分析在服装研究领域中的应用流程与要点。最后通过文献调查及国内外应用概况分析，证实了未来荟萃分析在服装理论研究中具有良好的应用前景。

关键词：荟萃分析;服装理论研究;研究方法论;案例研究;效果量

中图分类号：TS941.1

文献标志码：A

文章编号：10017003（2021）04004809

Abstract：Withthedevelopmentofthemethodologyofresearchreview，meta-analysishasbeenwidelyappliedinthestudyofvariousdisciplines.However，throughliteraturecollectionandcombing，itisfoundthattheapplicationofmeta-analysisinthefieldofdomesticcostumestudiesisstillblanktheoretically.Tofacilitatetheextensiveuseofmeta-analysisindomesticintegrationresearchoncostumetheories，andimprovethestandardizationandobjectivityofresearchoncostumetheories，throughananalysisofthebasicmeaning，functions，advantages，sampleselectionandresearchprocessofmeta-analysis，52domesticresearchpaperspublishedfrom2007to2019ontherelationshipbetweenonlineconsumereviewsandconsumerspurchaseintentionweretakenasexamples，toexploretheapplicationprocessofmeta-analysisinthefieldofcostumestudiesinasystematicwayandkeypointsthereof.Finally，throughliteraturesurveyandananalysisofdomesticandforeignapplications，itisverifiedthatmeta-analysishasagoodprospectintheoreticalstudiesoncostumesinthefuture.

Keywords：meta-analysis;theoreticalstudiesoncostumes;researchmethodology;casestudy;effectsize

作者简介：刘红文（1992），男，博士研究生，研究方向为服装设计与营销。通信作者：NurulHanimRomainoor，教授，hanim.romainoor@usm.my。

统计分析方法是研究方法论的重要组成部分，选取适宜的统计分析方法，能够帮助研究者在严谨且复杂的学术研究中，深入探讨现象的脉络与发展趋势。近几年来，综观服装研究领域，如服装产品设计、服装管理、服装教育、服装消费心理等各领域，也都逐渐重视统计分析技术在方法论中的运用，并取得了一定的研究成果。但从整体普及度与规范性角度来看，服装统计分析方法应用范围及水平仍然有待提高。正如吕学海等[1]指出“与其他设计领域（建筑设计、工业设计、机械设计等）相比，服装设计理论研究在多学科交叉和方法论方面都较为薄弱”。

在过去服装研究领域中，针对同类或相似研究主题的综述类文献研究基本上均采用了传统叙述性文献回顾的方法，因此其研究质量受研究者专业水平、主观意识的影响很大。尤其是当研究的论文数量较多，而研究结果又不具有一致性时，其最终所得结论的客观性与准确度容易令人质疑。鉴于此，为了弥补传统文献评论研究法的不足，以及进一步丰富服装领域中的研究方法，本研究将荟萃分析（Meta-analysis）引入到服装研究领域中。作为一种兼具量化统计技术和质化归纳诠释的方法，荟萃分析在文献材料收集的基础上，严格按照一定程序的统计技术加以整合，以寻求一般性结论。由于整个过程主要是计量程序，因此其可以有效克服传统文献评论法中过于主观且注重叙述的不足，从而获得强有力的结论[2]。

荟萃分析最早被应用于教育领域中[3]，随后由于其在整合已有研究成果中的優势不断凸显，逐渐受到了自然和社会科学领域的重视。近年来，荟萃分析在中国和美国的应用呈现大幅增长，远胜于其他国家。但从笔者对国内服装领域文献的梳理情况来看，荟萃分析在国内服装研究领域中的运用基本为零。鉴于此，本研究首先针对荟萃分析的基本含义、功能、优势、样本选择与研究流程做一介绍，其次以一个服装领域中的实例，探讨荟萃分析如何在服装研究领域中应用，为未来相关研究提供参考。

1 荟萃分析的介绍

为了解决初级研究可能产生结果矛盾的问题，从1970年代开始，研究者逐步发展并使用了许多次级研究法（secondaryresearchmethods），其中最常用方法之一就是荟萃分析。荟萃分析最早由Glass[3]作为一种哲学概念于1976年提出，后面经过Cook&Leviton、Hunter等学者的改良，荟萃分析发展也越来越成熟，并被广泛运用到教育、医学、工程、数理、天文、经济等各种领域[4]。

荟萃分析的原意是morecomprehensive，也就是研究的再研究。根据Cook等[5]的解释：荟萃分析是将主题类似但结论却有争议或未定论的研究成果，经由统计分析方法整合在一起，试图归纳出一个具有一般性的研究结论。因此，其具有以下功能与优势：

1）荟萃分析能解决社会科学中常见的问题，即主题相同但结果却相冲突的研究。

2）由于荟萃分析过程中必须搜集许多相关文献材料，并提出解释。因而为后续研究者提供了许多研究经验与结果，使后续研究者拥有更多精力投注在未开发的研究领域中。

3）荟萃分析除了上述一般性的描述外，还可以依照研究的特性加以分类及整合，进一步分析了解造成研究差异的原因，并从中找出潜在的调节变量。

4）荟萃分析应用系统化及明确性的比较程序能够降低研究的主观性。

5）荟萃分析的标准计量程序，可以增加研究统计的检定力及检测效果的精准度。

与传统的叙述性文献综述不同，荟萃分析在分析过程中对所收集的研究结果不做预先的判断、推测，只是客观地将各研究结果整合在一起，且不能以个别研究的研究品质不佳就直接淘汰;荟萃分析会记录下品质较差的研究并检验和这些研究发现之间的相关，然后运用平均效果量（averagingeffectivesize）的观念，将过往各研究的效果量予以加权平均，以寻求一般性的结论探求真相。因此，人为的操弄而使研究结果造成偏误的情形将不复出现，所得结论的一般性将是客观的[6]。

2 荟萃分析的样本选择与研究流程

2.1 样本选择

使用荟萃分析进行定量综合分析时，最为重要的是对研究样本结果进行统计显著性水平检验和效果量的测定，因此其研究样本选择需满足以下四个条件：1）所收集的研究样本需为实务型文献，而非理论型的文献;2）研究样本最终产生的是量化研究结果而非单纯的质性发现（要有均值及方差等）;3）研究样本所得结果必须能够转化成可相容的统计量（如效果值、相关或胜算比）;4）检验变量之间的关系需与荟萃分析中的研究问题相容[7]。

2.2 研究流程

Cooper[8]认为一个高品质的荟萃分析必须在实验设计、架构、分析和结果的评价上非常严谨，才能做出最有效的归纳。所以，他提出了荟萃分析六个阶段的研究模式：

第一步，定义研究问题：研究问题的选择需要具有一定的重要性或争议性，选题范围的大小要合适，以确保具有足够的研究分析样本量。

第二步，文献材料搜索：进行荟萃分析时，文献材料的收集应力求完整，因此在搜索过程中，应制定搜寻策略、定义关键词，以及界定数据库。

第三步，文献筛选：由于所收集的研究材料并不相同，因此需要通过定义研究质量标准、设定良好的评分系统来对研究素材进行评估与筛选，以剔除部分不相关的研究材料。

第四步，数据萃取：在荟萃分析中，需要对研究样本中有用的信息与数据进行记录（如研究名称、作者、样本量、相关系数、人口统计特征等），以供后期统计分析使用。为确保最终所得数据的客观性，在数据萃取过程中，应当建立研究选入及排除标准、选择合适的数据萃取方式、确保两位以上作者负责数据总结及对萃取过程中的分歧点进行记录并提出解决方案等。

第五步，分析与整合：这一阶段是属于统计的计量分析，将不同研究的显著水准利用统计方法做整合检定，并计算效果量的大小。具体流程与检验标准如下：

1）效果量：荟萃分析可估计研究间的平均效果，一般而言两个及以上的研究即可计算其平均效果。效果值通常是对观察效果幅度的一种标准化测量，因此，不同研究所量测的不同变量或量测的不同量表皆可直接做比较。

2）模型选定：在目前研究中，荟萃分析效果模型分为固定效果模型和随机效果模型两种。固定效果模型假设，所有相同研究的结果都是真实且相同的，研究之间所呈现出的差异纯粹来自抽样误差，因此其结论不具有推论到其他总体的功能。随机效果模型假设，相同研究假设的真实效果会因实际研究条件的不同而不一样，研究效果之间的差异除了来自抽样误差之外，还包括组间方差。一般在研究中，当研究文献数量较大且具有异质性时，选择随机效果模型是恰当的。

3）出版偏误：在荟萃分析中，荟萃分析的结果可能会因为选择文章的偏差而造成偏误，将这种偏误称之为出版偏误[9]。造成出版偏误的原因有很多，其中最为主要的是期刊倾向于接受效果显著的文章。因此，这容易造成在文献样本收集中，缺少不显著的文献样本。出版偏误会造成高估原先既有的平均效果量，因此在分析中需要对其进行检测，目前常用漏斗图、Rosenthals失安全系数测试、Eggers回归检验三种检测指标进行出版偏误的测量。根据Hunter等[10]的建议标准，通常以漏斗图中散点呈现非对称式视觉分布、Rosenthals失安全系数测试P值大于0.05、Eggers回归检验双尾P值小于0.05判定研究中存在出版偏誤问题。

4）异质性检验：异质性主要是指相同研究之间真实效果量的差异，特别是指因组间方差而导致的效果量差异。目前针对异质性检验的方法主要包含Q检验、I2检验和H检验三种，一般以P<0.1（Q检验）、I2检验（25%表示低异质性;50%表示中异质性;75%表示高异质性）及H>1.5（H检验）作为研究存在异质性的主要指标[11]。

5）效果合并值的检验：在进行因子关系检验之前，需要将多个单一的效果值进行合并得出每个因子的总效果值r，通过r值来判断变量之间总效果量的强弱。Cohen[12]提出效果量强弱判断的经验准则，当0.10≤r≤0.29时，表示变量之间具有小的效果量;当0.30≤r≤0.49时，表示中等效果量;当r≥0.5时，表示强的效果量。此外，还需要对总效果值r的统计学意义进行检验，一般采用Z统计量作为判断假设检验是否显著的指标。

6）敏感度分析：主要用來检测荟萃分析中是否存在异常或影响力很大的研究样本，并通过将异常研究样本剔除后，审查剩余研究样本的整体效果量是否会因此而改变，以此检测整合性效果量的稳定度。在分析中，通常采取一次移除一个研究的方法（onestudyremove）来查看每个研究样本对整体效果量的影响。

第六步，解读与发现：在规范条件的假设下，将分析整合的结果作归纳性的阐述和解读。

3 荟萃分析的应用

3.1 研究问题

服装产品线上销售中，在线评论（onlinereview）已经成为消费者购买决策实施与否的重要影响因素。笔者通过文献梳理发现，在线评论的重要效应早已引起了国内服装及相关领域众多学者的关注。并经过近十年的发展，取得了丰富的研究成果。遗憾的是在线评论在国内服装及相关领域拥有大量的研究成果，却鲜有研究对这些成果进行整合、验证和影响因素效应的评估。此外，笔者发现目前国内相关研究中存在一些互相矛盾的结论，有些变量关系在一些研究中是显著的，但在另一些研究中却是不显著。例如，俞明南等[13]通过研究发现，在线评论的时效性正向显著影响消费者的购买意愿;郑小平[14]、于丽萍等[15]却指出，在线评论的时效性对消费者购买意愿并无显著影响。有关在线评论数量的研究中，杜学美等[16]、莫赞等[17]证实评论数量与消费者购买意愿之间具有正向显著关系，李香娟[18]则通过研究发现评论数量与购买意愿没有显著相关。关于评论者资信度也是学者们的研究矛盾点，罗敏瑶[19]证实评论者资信度对购买意愿具有显著影响，但罗佳佳[20]却得出相反的结论。最后，在相同研究情境中，不同文献所报告的变量关系的大小也未达到统一，如李曼丽[21]对在线评论与服装消费者购买意愿关系的研究中发现，与评论质量等要素相比较，在线评论数量的影响效果最大;张媛媛[22]则通过研究论证，服装产品的在线评论质量影响效果最大。这些互相矛盾的研究发现对于学界深化认识，推进未来研究具有阻碍作用，需要对这些差异化的研究结论进行荟萃分析。因此，本研究以2007—2019年中国所发表的服装及相关领域的在线评论与消费者购买意愿关系的定量研究成果作为研究对象，以评论者资信度、评论者的情感倾向性、在线评论质量、在线评论数量、在线评论时效性、消费者的专业性、消费者信任倾向七个在线评论指标要素的有效性和稳健性检验作为研究问题，以此系统展示荟萃分析在服装研究领域中的应用，研究模型如图1所示。其中，评论者资信度、评论者的情感倾向性属于在线评论来源特征要素，在线评论质量、在线评论数量、在线评论时效则为在线评论信息特征要素，消费者的专业性与消费者信任倾向属于在线评论接收者特征要素。

3.2 文献材料搜索

为了最大限度地将中国服装及相关领域的在线评论文献检索出来，本研究以服装产品在线评论/在线口碑、服饰产品在线评论/在线口碑、在线评论、网络口碑等作为检索关键词，首先对CNKI数据库、万方数据库、维普数据库、超星期刊、纺织科技创新知识服务平台等数据资源库进行人工搜索。其次，为了避免遗漏，本研究对部分具有代表性的在线评论综述和相关文章的参考文献进行人工检索。最终从2007—2019年共检索出178篇与服装及相关领域在线评论有关的文献，其中有102篇为实证研究类文献。

3.3 文献筛选

文献搜集完毕后，为确保文献样本适合当前研究，结合荟萃分析方法和研究主题的要求，本研究制定文献纳入标准如下：1）出版物具有学术性和同行评审性质;2）在线评论是论文的主要研究重点;3）需是针对服装及相关领域的在线评论文献或是以所有类型产品（包括服装）作为研究对象的在线评论文献;4）评论信息反馈涉及消费者购买意愿或决策;5）文献至少包含本研究所提出的七个自变量影响因素中的一个或者多

个路径关系;6）文献所使用的研究方法必须是量化研究，且报告了研究所需的变量之间的相关系数r或t值;7）文献中有效样本量大小明确。在文献分析阶段，由两位研究者独立审查并剔除了与当前研究重点不相关的文章。

在搜索到的102篇服装及相关领域的在线评论实证研究文献中，剔除掉与本研究纳入标准不符的文献，最终得到52篇文献样本纳入到本研究分析中。其中，学术期刊论文共14篇，学位论文共38篇。

3.4 数据萃取与编码

本研究对所选文献样本进行全面审查，提取作者、发表年份、有效样本量、相关系数、目标自变量、因变量等信息进行编码（表1）。此外，在部分文献中，存在对同一属性及含义的定义采用不同名词术语的现象。例如，在线评论者的情感倾向在部分文献中又称之为评论极性或者评论效价。因此，本研究将含义相近的名词术语进行了整合，以确保后续研究的顺利进行。

最后，在进行上述编码过程中，当研究成员之间遇到任何分歧时都会进行讨论，直到达成共识，使荟萃分析的结果更加准确。

3.5 分析与整合

本研究选用CMA3.0（ComprehensiveMeta-analysis3.0）软件进行荟萃分析。此外，笔者通过文献梳理发现，在线评论各指标要素对消费者购买意愿的影响可能受到研究工具、抽样方法、被试群体等因素的影响。因此在综合考虑到具有足够大样本量的基础上，本研究选择随机效果模型将会更加科学合理。

3.5.1 描述性统计分析

对在线评论七组变量关系的研究数量、相关系数、正负关系及样本量进行描述性分析，如表2所示。由表2可以看出，在纳入本研究的52篇文献样本中，探讨“在线评论质量”和“在线评论数量”影响的研究分别有41篇和39篇。其次是关于在线评论者特征的研究，“评论者资信度”和“评论者的情感倾向性”的研究数量分别是29篇和22篇。而关于在线评

论接收者特征的研究目前在服装及相关领域相对较少，“消费者的专业能力”“消费者信任倾向”的研究数量分别为14篇、17篇。由此可知，当前服装及相关领域已有的关于在线评论对消费者购买意愿影响的研究中，大多是从“在线评论信息特征”这一角度出发进行探究。另外，从“相关系数”一栏可以进一步看出，目前相关文献研究的结论存在一定的差异性，具体表现为变量关系显著方向的不一致（评论者的情感倾向性、消费者的专业性）及变量效果量变化跨度较大（消费者信任倾向、在线评论时效性）。最后从样本数量的统计可知，最小样本量为93个，最大的有484个，所有研究变量的平均样本量为221～286个。这一结果表明，七组变量关系中参与调查研究的人数比较接近。样本总量最高的为QAR-BI，10764人，最低的是PA-BI，3341人。

3.5.2 出版偏误

首先使用漏斗图来检验本研究是否存在出版偏误的问题，如图2所示。从漏斗图特征来看，评论者资信度、评论者的情感倾向性、在线评论质量、在线评论数量、在线评论时效性、消费者的专业性、消费者信任倾向与消费者购买意愿之间的研究样本及效果量基本在总效果量两端呈现均匀分布形态，表明本研究中不存在严重的出版偏误问题。但使用视觉观察的方式来进行结论判断仍然过于主观，需要结合Rosenthals失安全系数和Eggers回归检验的测试结果进行更精确的检验，如表3所示。

表3结果显示，在Rosenthals失安全系数测试中，在线评论各指标要素失安全系数N均大于各自的临界值（K×5+10），对应的各自Z值大于1.96，P值小于0.001，表明文献样本具有代表性，没有出版偏误问题。Eggers回归截距测试结论显示，在线评论各指标要素在95%置信区间内包含0，且P值均大于0.05，再次验证在本研究中不存在出版偏误问题，结论稳定可靠。

3.5.3 异质性检验

本研究使用Q检验、I2检验和H检验进行异质性检测，如表4所示。从表4中数据可得，在线评论各指标要素与消费者购买意愿之间效果值的Q检验结果均为显著（P<0.1），表明荟萃分析中各效果值均是异质的。在异质性程度上，本研究通过I2检验发现，在线评论各指标要素效果值的真实变异效果在总变异效果中占比均有80%以上，根据Higgins等[23]的建议标准，本研究呈现出高异质性特征（I2>75%）。H值均大于1.5，进一步验证了本研究中各效果值之间异质性的存在。因此，鉴于各效果值之间的异质性特征，本研究在线评论各指标要素与消费者购买意愿之间关系时将采用随机效果模型进行分析。

3.5.4 总效果值的检验

表5所列出的效果值反映了在线评论各指标要素与消费者购买意愿的关系。结果显示，除消费者的专业性（Z=-1.237;P>0.05）的影响效果不显著外，评论者资信度（Z=12.905;P<0.001）、评论者的情感倾向性（Z=6.234;P<0.001）、在线评论质量（Z=17.290;P<0.001）、在线评论数量（Z=15.396;P<0.001）、在线评论时效性（Z=8468;P<0.001）、消费者信任倾向（Z=10.924;P<0.001）与消费者购买意愿之间均存在显著关系（P<0.05），并且显著的各指标要素与消费者购买意愿均具有正向相关。在影响效果方面，评论者资信度（0.480）、在线评论时效性（0365）对消费者购买意愿具有中度影响效果;评论者的情感倾向性（0.515）、在线评论质量（0.511）、在线评论数量（0.527）、消费者信任倾向（0.579）对购买意愿存在高度影响效果。其中，消费者信任倾向影响效果最大，在线评论时效性影响效果最小。

3.5.5 敏感度分析

对研究样本及其效果量的敏感度分析，通常采用一次移除一个研究的方式进行，即以研究的总效果量为基准，每次采取移除一个研究样本的方式，来检测移除样本对总效果量的影响。如果总效果量改变较大，就表明移除样本是影响力很大的研究或者异常研究，因此需要对此进行修正。从表6可以看出，以各自总效果量为基准，评论者资信度（0.461～0490）、评论者的情感倾向性（0.489～0.534）、在线评论质量（0.499～0.518）、在线评论数量（0.514～0.536）、在线评论时效性（0.345～0.383）、消费者的专业性（-0.201～-0.149）、消费者信任倾向（0.554～0.593）七个在线评论要素无论移除任何一个研究样本后的效果量在95%置信区间内变化均相对较为稳定，表示删除任何一项研究都不会影响总效果量，这也说明本研究得出的荟萃分析结果具有稳定性。

3.6 解讀与发现

本研究基于荟萃分析方法，对2007—2019年中国所发表的52篇服装及相关领域的在线评论实证文献进行定量分析并检验。在对相关文献进行整理与记录后，选择评论者资信度、消费者的专业性、消费者信任倾向等七个影响研究结论仍存在差异性的变量进行探讨。为确保最终研究结果的客观性与稳定性，本研究对七组研究变量关系分别进行出版偏误、异质性与敏感性检测。在各项测试指标均达标的基础上，可得出结论：模型中，评论者资信度、评论者的情感倾向性、在线评论质量、在线评论数量、在线评论时效性、消费者信任倾向与消费者购买意愿均具有正向显著关系，且各组变量关系效果值均具有中度及以上水平，这与过去多数研究结果一致，表明上述在线评论要素与消费者购买意愿之间关系具有稳健性。而消费者的专业性与消费者购买意愿关系的荟萃分析结果不显著，这与传统环境下众多研究的结果并不一致。

据以往文献来看，对消费者的专业性与消费者购买意愿关系的研究充满着争议。因此，笔者综合已有研究发现，对该组变量关系矛盾的结论提出几点可能原因：一是变量关系之间存在着中介变量或调节变量的影响。瓦瑜[24]通过实证检验，证实了消费者的专业性对消费者购买意愿的影响是透过感知价值产生的。此外，赵允姬[25]验证了网络口碑渠道可以调节消费者的专业性与购买意愿之间的关系。鉴于此，建议未来研究中可深入探讨中介变量与调节变量的影响效果。二是受样本选择的影响。在该组变量关系研究文献中样本量少的只有140份，多的将近有450份;抽样方法大多以便利抽样、滚雪球抽样为主，并且研究对象主要集中为具有较高文化背景的大学生及以上群体。因此，整体抽样过程较为随意，研究样本缺乏层次与代表性，导致最终研究质量难以得到保障。

最后，本研究也存在以下局限：1）从异质性检验结果来看，本研究所选取的七个在线评论要素均呈现出异质性特征。而造成研究异质性的因素有很多，包括研究对象、研究工具及调节变量等，因此需要在后期相关研究进一步丰富的基础上，进行深入探讨。2）本研究目前仅以国内相关文献作为研究对象，没有对不同文化背景下的研究进行综合探讨，这需要在后续研究中进行丰富。

4 建 议

至2019年，以“荟萃分析”“元分析”和“Meta-analysis”关键词在CNKI数据库、万方数据库、维普数据库和网络数据库等进行检索发现，荟萃分析主要被医学、心理学、教育学等学科广泛应用，其中夏凌翔[4，6]、王丹等[11]对荟萃分析进行了介绍。遗憾的是，荟萃分析在国内服装研究领域的应用仍处于理论空白阶段。利用ScienceDirect、Scopus、SpringerLink数据库进行检索，甄选国外服装领域相关论文6篇，见表7。近年来，国外服装领域对荟萃分析的应用已逐渐受到重视。而国内服装研究领域未得到足够重视，尚无这方面的研究，希望国内服装领域研究者能知悉荟萃分析并展开理论探讨。

近年来，随着计算机信息科学知识大量运用于社会科学研究方法与工具问题上，使得社会科学的研究迈入了一个全新的境界。原本需要复杂运算的数学模型已发展成为简单而容易使用的套装计算机软件（CMA、AMOS等），可供研究者依其研究需要选用，加速研究成果的呈现与积累。因此无论是作为一种重要研究方法或是论文文献综述部分的辅助工具，当研究者打算总结关于某个特定研究问题的众多研究成果时，许多国际期刊均鼓励研究人员进行系统性综述和荟萃分析，甚至众多国际期刊规定，以荟萃分析作为主要研究方法的研究成果可避免科学研究与伦理审查委员会（InstitutionalReviewBoard，IRB）审查这一环节。鉴于此，建议后续研究者在服装研究领域内能拓展荟萃分析的应用范围。例如：在服装教学中，当研究者想通过大样本探究某一教学方法对学生学习成效的实际影响，但却受实验条件限制时，研究者便可利用荟萃分析对以往相同教学方法研究结果的整合来达到这一目的。在服装营销中，针对不同要素（广告、产品、价格等）对销售的影响，研究者想区分不同要素的影响重要程度且确保所得结论的有效性和稳健性，荟萃分析技术就是最佳选择。此外，当研究者想基于实证方法，从不同国家、文化差异等宏观视角探讨某一研究问题，荟萃分析则能起到巨大的便利作用等。

最后，从上述分析中可知，运用荟萃分析技术对已有研究成果进行整合分析时，要求研究样本都是实务型文献，这样方能提炼出分析中所需要的各类数据。但综观服装研究领域，尽管近年来学者们已逐渐重视统计分析技术在方法论中的运用，但目前各类理论研究仍以质性研究为主，因此这较大地限制了荟萃分析在服装研究领域中的应用范围。然而随着“以实证为本”的研究观念在中国社会科学研究领域（包括服装研究领域）中的影响不断深入，荟萃分析未来必将具有广阔的应用前景。正如Xie[26]所指出的，中国的社会科学如这个社会的其他方面一样正在经历迅速的变化。随着时间的推移，以意见为主、意识形态化的、思辨式的讨论将渐渐失去市场，实证研究开始被越来越多的学者所接受。

5 结 论

本研究引入荟萃分析技术，以此来推动服装理论研究方法的更新。首先，介绍了荟萃分析的内涵、功能与优势。其次，针对荟萃分析的文献样本选择条件、研究流程进行了详细的探讨，并以2007—2019年中国所发表的52篇服装及相关领域的在线评论实证文献作为研究案例，系统地探讨了荟萃分析在实际研究中的应用程序与要点。最后，利用文献调查法，分析荟萃分析在国内与国际服装研究领域中的应用概况，并以国际服装研究领域中的荟萃分析应用案例，证实了荟萃分析所具有的良好应用前景。未来，随着服装研究领域中实证化研究浪潮的影响不断深入及成果的日益积累，作为一种“站在巨人的肩膀上”的量化研究方法，有理由相信荟萃分析将受到国内服装学者的青睐，并得到快速的发展。

参考文献：

[1]吕学海，邹渊.从量体裁衣到系统设计：关于服装设计研究方向的理论思考[J].设计艺术（山东工艺美术学院学报），2012（5）：46-49.

LXuehai，ZOUYuan.Fromtailoringtosystemdesign：theoreticalthinkingontheresearchdirectionoffashiondesign[J].DesignArt（JournalofShandongInstituteofArtsandCrafts），2012（5）：46-49.

[2]韓雁雁，张宁，房文敏.基于Meta分析的在线评论有用性影响因素模型研究[J].信息系统学报，2015（1）：1-13.

HANYanyan，ZHANGNing，FANGWenmin.ResearchonthemodelofhelpfulnessfactorsofonlinereviewsbasedonMeta-nanlysis[J].JournalofInformationSystems，2015（1）：1-13.

[3]GLASSGV.Primary，secondaryandMeta-analysisofresearch[J].EducationResearch，1976，6（5）：3-8.

[4]夏凌翔.元分析及其在社会科学研究中的应用[J].西北师大学报（社会科学版），2005，42（5）：61-64.

XIALingxiang.Meta-analysisanditsapplicationinstudiesofsocialscience[J].JournalofNorthwestNormalUniversity（SocialScienceEdition），2005，42（5）：61-64.

[5]COOKTD，LEVITONLC.Reviewingtheliterature：acomparisonoftraditionalmethodswithMeta-analysis[J].1980，48（4）：449-472.

[6]夏凌翔.元分析方法的几个基本问题[J].山西师大学报（社会科学版），2005（3）：34-38.

XIALingxiang.Onsomebasicproblemsofmeta-analysismethod[J].ShanxiNormalUniversityJournal（SocialScienceEdition），2005（3）：34-38.

[7]齐磊，唐权.多案例文献荟萃分析法的提出及其研究思路[J].北京航空航天大学学报（社会科学版），2019，32（2）：139-145.

QILei，TANGQuan.Studyonoriginandresearchideasofmulti-caseorientedliteratureMeta-analysismethod[J].JournalofBeijingUniversityofAeronauticsandAstronautics（SocialScienceEdition），2019，32（2）：139-145.

[8]COOPERHM.Scientificguidelinesforconductingintegrativeresearchreviews[J].ReviewofEducationalResearch，1982，52（2）：291-302.

[9]韩啸.整合技术接受模型的荟萃分析：基于国内10年研究文献[J].情报杂志，2017，36（8）：150-155.

HANXiao.AMeta-analysisoftheUTAUTmodel：basedon10yearsofresearchliteratureinChina[J].IntelligenceJournal，2017，36（8）：150-155.

[10]HUNTERJE，SCHMIDTFL.MethodsofMeta-Analysis：CorrectingErrorandBiasinResearchFindings[M].CA：SAGEPublications，2004.

[11]王丹，翟俊霞，牟振云，等.Meta分析中的異质性及其处理方法[J].中国循证医学杂志，2009，9（10）：1115-1118.

WANGDan，ZHAIJunxia，MOUZhenyun，etal.DiscussingontheresearchofheterogeneityinMeta-analysis[J].ChineseJournalofEvidence-BasedMedicine，2009，9（10）：1115-1118.

[12]COHENJ.StatisticalPowerAnalysisfortheBehavioralSciences[M].NewYork：AcademicPress，2013：77-83.

[13]俞明南，武芳，张明明.在线评论对顾客购买意愿的影响研究[J].市场周刊（理论研究），2014（4）：58-60.

YUMingnan，WUFang，ZHANGMingming.Astudyontheinfluenceofonlinereviewsoncustomerswillingnesstobuy[J].MarketingWeek（TheoreticalResearch），2014（4）：58-60.

[14]郑小平.在线评论对网络消费者购买决策影响的实证研究[D].北京：中国人民大学，2008.

ZHENGXiaoping.AnEmpiricalStudyontheImpactofOnlineReviewsonOnlineConsumersPurchasingDecisions[D].Beijing：RenminUniversityofChina，2008.

[15]于丽萍，夏志杰，王冰冰.在线评论对消费者网络购买意愿影响的研究[J].现代情报，2014，34（11）：34-38.

YULiping，XIAZhijie，WANGBingbing.Researchononlinereviewpurchaseintentionontheinternet[J].ModernIntelligence，2014，34（11）：34-38.

[16]杜学美，丁璟妤，谢志鸿，等.在线评论对消费者购买意愿的影响研究[J].管理评论，2016，28（3）：173-183.

DUXuemei，DINGJingyu，XIEZhihong，etal.Anempiricalstudyontheimpactofonlinereviewsonconsumerspurchasingintention[J].ManagementReview，2016，28（3）：173-183.

[17]莫赞，罗敏瑶.在线评论对消费者购买决策的影响研究：基于评论可信度和信任倾向的中介、调节作用[J].广东工业大学学报，2019，36（2）：54-61.

MOZan，LUOMingyao.Aresearchoftheinfluenceofonlinereviewsonconsumerpurchasedecision：basedonmediationandadjustmentofreliabilitycommentsandtrusttendency[J].JournalofGuangdongUniversityofTechnology，2019，36（2）：54-61.

[18]李香娟.在线评论对消费者购买决策的影响研究[D].北京：中国地质大学，2018.

LIXiangjuan.AStudyontheInfluenceofOnlineReviewsonConsumerPurchasingDecisions[D].Beijing：ChinaUniversityofGeosciences，2018.

[19]罗敏瑶.在线评论对消费者购买决策影响的研究[D].广州：广东工业大学，2019.

LUOMingyao.AStudyontheImpactofOnlineReviewsonConsumerPurchasingDecisions[D].Guangzhou：GuangdongUniversityofTechnology，2019.

[20]罗佳佳.正面网络口碑对消费者在线冲动购买意愿的影响研究[D].昆明：云南财经大学，2019.

LUOJiajia.AStudyontheInfluenceofPositiveOnlineWord-of-MouthonConsumersOnlineImpulseBuyingIntention[D].Kunming：YunnanUniversityofFinanceandEconomics，2019.

[21]李曼麗.在线评论对年轻女性服装消费者购买意向的影响研究[D].北京：北京服装学院，2018.

LIManli.AStudyontheInfluenceofOnlineReviewsonthePurchaseIntentionofYoungFemaleClothingConsumers[D].Beijing：BeijingFashionInstitute，2018.

[22]张媛媛.在线评论对消费者购买决策影响的实证研究[D].杭州：浙江财经大学，2015.

ZHANGYuanyuan.AnEmpiricalStudyoftheImpactofOnlineReviewsonConsumersPurchasingDecisions[D].Hangzhou：ZhejiangUniversityofFinanceandEconomics，2015.

[23]HIGGINSJPT，THOMPSONSG，DEEKSJJ，etal.MeasuringinconsistencyinMeta-analyses[J].BritishMedicalJournal，2003，327（7414）：557-560.

[24]瓦瑜.在线评论对消费者购买意愿的影响研究[D].杭州：浙江大学，2014.

WAYu.ResearchontheImpactofOnlineReviewsonConsumersPurchaseIntention[D].Hangzhou：ZhejiangUniversity，2014.

[25]赵允姬.网络口碑对购买意愿的影响研究[D].济南：山东大学，2016.

ZHAOYunji.ResearchontheInfluenceofInternetWordofMouthonPurchaseIntention[D].Jinan：ShandongUniversity，2016.

[26]XIEY.Evidence-basedresearchonChina：ahistoricalimperative[J].ChineseSociologicalReview，2011，44（1）：14-25.