二十一世纪以来,互联网尤其是移动互联网的迅猛发展引发了全球范围内各行各业的数据爆炸式增长,我们已然迈进了大数据时代的新阶段。由于大数据具有数量巨大、形式复杂、非结构化等特点,处理起来并不十分容易。当数据量很大时,由于计算机的存储量或软件对变量存储的限制,不能对数据同时进行处理分析,只能通过分块处理。此外,由于某些原因,数据集有时需要分栈式存储,研究人员无法获得全量原始数据,也只能通过分段处理。通常情况下,人们往往通过对分块或分段处理的数据分析结果进行简单平均获得全体数据的分析结果。然而这种分块或分段数据具有异质性,如何科学合理地对分栈式数据进行分析并汇总得到有效的结论是一个值得研究的问题。本文正是基于对上述问题的思考,提出了一种利用多元meta分析方法的大数据分析框架,旨在帮助更多不具备大数据分析技能的研究人员方便快捷地分析数据,同时也解决了如何将分栈式数据的分析结果有效汇总的问题。多元meta分析又称为综合分析或荟萃分析,是针对某一问题的不同研究结果进行合并分析的一种统计方法。本文依托多元meta分析方法构建了大数据分析的框架:将大数据分块分析的结果通过多元meta分析模型进行估计,并通过大量模拟实验考察该方法的有效性。模拟实验的结果表明:建立多元回归模型时,如果以偏差为评价标准,8种设定中有6种情况下多元meta分析模型的效果比简单平均方法更好,而以马氏距离和标准差为评价标准,8种设定都为多元meta分析模型的效果更好;建立Logistic回归和加大组间异质性时,3个评价标准下都是多元meta分析模型的效果更好。即绝大多数情况下,多元meta分析的表现要优于简单平均方法,可以得到较为优秀的模型参数估计。最后,基于多元meta分析的大数据分析框架应用于两个实际数据集。结果表明多元meta分析方法在随机分割数据集和按特征分割数据集两种情况下的分析效果。