题目为“Combining estimators in interlaboratory studies and meta-analyses (在实验室比测研究及荟萃分析中组合估计量)” 的论文上线 (Research Synthesis Methods, https://doi.org/10.1002/jrsm.1633)。论文摘要如下：

许多统计学方法（估计量）可以用于估计实验室比测研究或荟萃分析中的共识值（或平均效应）和异质方差。这些估计量都是有效的，因为它们基于某些统计学原理或者受其支持。但是，任何估计量都不可能是完美的，一定存在误差或不确定性（称为估计量不确定性）。对于给定的一组数据，不同估计量给出的共识值和异质方差往往会有很大的差异。因此，选择不同的估计量会影响实验室比测研究或荟萃分析的结论。然而，没有普遍接受的标准可以确定在一组备选估计量中哪个估计量是最优的。本文提出一种估计量平均方法将一组单独的估计量组合，而不是选择和使用单独估计量。最终的平均估计量是单独估计量的线性组合，它解释了包括估计量不确定性在内的三个不确定性来源。我们采用蒙特卡罗模拟检查了四个单独估计量和提出的平均估计量的长期性能。本文给出了一个案例：牛顿万有引力常数的确定，使用所提出的估计量平均方法将十个单独估计量（八个频率学派加权平均方法和两个贝叶斯方法）组合。

出版商提供在线阅读分享版，链接为：

https://onlinelibrary.wiley.com/share/author/QRMQXRKFYDIX9WFC4G5N?target=10.1002/jrsm.1633。感兴趣的读者可以在线阅读。如果直接点击这个链接无效，请复制网址然后黏贴到浏览器打开。