随着大数据时代的来临,数据的更新换代越来越快,对于同一问题会有不同的人不断地做研究,这样就会产生非常多的数据和结论,这些结果往往不尽相同,那么研究人员该如何判断,meta分析就是在这种情况下提出来的,它是在同一课题下不同的研究人员对其进行研究之后将得到的结果再进行汇总,从而得到研究结论的一种统计分析方法,近年来这种思想被广泛运用在医学、生物学等自然科学领域,其中以医学最为常见,并受到业内好评。科学家希望用一种科学的方法将数据尽可能多的运用上,从而得到更客观的结果,这就是meta分析的主要思想。进行meta分析时我们首先需要将信息汇总,这种收集来的数据即是meta数据。贝叶斯统计方法是一种较为成熟、应用广泛的推断方法,由于它综合了样本信息和先验信息,受到国内外研究者的追捧。生物体特征与其异速生长关系这一课题一直是生物学家比较关注的话题,因为这关系到生物体的活动及功能,而代谢更是生物体必不可少的行为之一,因此对于代谢率的影响更是值得关注的。本论文针对植物种群密度对代谢率的影响这一实际问题,将meta分析和贝叶斯统计方法相结合,首先建立一个基于meta数据的随机系数回归模型,利用贝叶斯统计方法进行推断,借助Gibbs抽样方法确定模型最终的参数。此模型可以运用到大多数meta数据的分析中,应用非常广泛,发展前景良好。本论文一共分为四个章节。第一章为引言部分,主要介绍了meta分析和贝叶斯统计方法。第二章为模型建立,针对不同年代不同人就植物种群密度对植物的代谢率的影响这一实际问题收集到的meta数据进行分析。对这个问题我们建立了一个随机系数回归模型,并运用贝叶斯统计方法对其参数进行统计推断。根据参数的先验分布和数据变量的似然函数,得到参数的后验分布,并运用马尔科夫链蒙特卡罗方法(MCMC方法)中的Gibbs抽样方法进行抽样,从而得到参数的估计值。并介绍了Gibbs抽样方法和方差比的基本理论。第三章为数据分析,针对研究的实际问题和建立的模型,我们借助R语言软件进行编程,从而对待估参数的后验分布进行抽样,得到参数的估计值。对马尔科夫链的性能,我们运用方差比对拟合程度进行判断,并通过改变初始值的方法来验证抽样结果对初始值的敏感性。最后一章我们对问题进行了总结和展望。