要确定文献综述中的统计结果，您必须系统地提取、评估并比较多项研究中的关键定量指标，如效应量 (effect sizes)、p值 (p-values) 和置信区间 (confidence intervals)。
在撰写定量或混合方法 (mixed-methods) 的文献综述时，仅仅总结作者的文字结论是不够的。您需要批判性地分析这些结论背后的实际数据。以下是为您的综述查找和解读统计结果的逐步指南。
1. 定位核心数据
不要依赖摘要或讨论部分，应直接查看论文的“结果” (Results) 部分。寻找数据表格、描述性统计 (descriptive statistics) 和图表。密切关注样本量 (n)、平均值 (M) 和标准差 (SD)，因为这些基准数据构成了该研究更广泛结论的基础。
2. 识别关键统计指标
重点关注衡量所测试的关系或差异的具体数值。需要记录的最重要的指标包括：
- p值 (p-values)： 这些指标表示统计显著性 (statistical significance)（通常 p < 0.05），说明结果是否可能是由偶然因素引起的。
- 效应量 (Effect sizes)： 如 Cohen's d 或 Pearson's r 等指标显示了关系的实际幅度或强度。在理解研究的现实影响时，效应量通常比p值更重要。
- 置信区间 (Confidence intervals, CI)： 它们提供了一个数值范围，真实的总体参数很可能落在该范围内，从而帮助您了解结果的精确度。
3. 提取并验证研究结果
手动在密集的统计报告中挖掘数据可能会让人筋疲力尽，尤其是在处理复杂模型时。如果您难以准确定位具体的数据点，WisPaper 的 Scholar QA 功能允许您直接就论文的方法论或结果提问，瞬间提取准确的统计结论，并溯源至具体的页码和段落。找到数据后，请验证所使用的统计检验（如方差分析 ANOVAs、t检验 t-tests 或多元回归 multiple regressions）是否与该研究的科研问题完全契合。
4. 综合跨研究结果
一篇优秀的文献综述绝不仅仅是逐一罗列单篇论文的统计结果。相反，您应该根据研究结果对文献进行分组。文献中的统计结果是否一致？如果五项研究显示出强烈的正相关，而两项研究显示没有显著效应，您就需要强调这种差异。指出相互冲突的统计结果是识别有效研究空白的最佳方法之一。
5. 系统化记录
为了跟踪这些数据，请使用电子表格建立一个文献矩阵 (literature matrix)。为样本量、所执行的统计检验、效应量以及主要的定量结果创建专门的列。在阅读时同步记录这些数据，将使您在撰写综述时更容易发现整体趋势。