荟萃分析(meta analysis)是一种合并和分析评价针对某种特定科学问题的不同研究结果的数量方法。通过合并已有的研究结果,此方法使得研究人员可以在考虑不同研究结果的异质性(heterogeneity)的基础上,克服单个研究样本量不足的弱点,综合考察不同的研究成果,合并这些研究成果的结论,进而得出更为可靠的分析结论。然而,在数据集存在异常点的情形下,现存的参数估计方法十分敏感。若无视异常点的效应将对参数估计造成负面的影响,甚至引起参数估计的崩溃。本文考察了荟萃分析的随机效应模型中的稳健估计问题,包括研究间方差和回归系数的估计。本文依托Huber的rho(或psi)函数,得到了稳健化的极大似然估计方程以及估计方程的简单易行的迭代算法,并给出了参数ML估计的渐进分布。此外,模拟研究表明,在没有异常点存在时所提出的估计方法与极大似然估计的数值表现类似。在数据受到异常点污染时,所提出的估计方法仍然有令人满意的表现。而极大似然估计对异常点的效应极其敏感,产生了较大的估计偏差。最后,所提出的稳健估计被用于两组实际数据的分析,也得到合理的结果。