在界定了用來測量研究的變量之後，還需要為每一個變量編碼數據。對於每一個元分析而言，都應該有一套界定好的數據編碼係統，不同的數字代表了每一類變量中不同的水平情況。如關於性別，若樣本中僅有男性，編碼係統可將其編碼為1，若樣本中僅有女性，則可編碼為2，若既有男性又有女性，則可編碼為3，如果樣本未對性別作明確說明，則可用999(缺失值)進行編碼。研究者需要對所有的分析變量進行編碼。
5.研究數據的錄入
元分析中搜集來的有關各樣本研究特征的數據，需要錄入一個相關的統計軟件包進行分析。“元統計”軟件包是由Rudner、Evartt和Emery規劃設計的，其中包含有Glass、Hedges、Olkin、Schmidt和Hunter及其他學者的大量元分析理論，如Hedges的同質性檢驗，Rosenthal和Rubin的聚合顯著性水平分析，以及近似隨機化檢驗及效果量大小計算等等。該軟件包還可以提供大量的程序來幫助完成數據錄入、統計分析和圖表分析，數據錄入的形式既可以依據標準碼的形式也可以依據SPSS的固定格式。
6.運用多種統計技術探索、展現數據
在進行複雜的元分析之前，應先對一些基礎的數據特征進行分析，特別是錄入數據後最好做一個簡單頻次分布圖與散點圖，來觀察數據錄入是否合理或者在所有欲分析的研究中是否有非常明顯的異常數據存在。如果有，則可用軟件包中提供的相應處理異常數據的方法來盡早地修正或遠離它們。
對於具體采用哪些元分析技術，要根據研究目的來決定。一般地，需要計算各研究樣本的效果量及總效果量的大小，計算對總效果量估計的置信區間以及對各研究樣本的同質性檢驗。麵對不同質的樣本要做敏感性分析，即根據研究質量的評定對研究樣本分層，可劃分為兩層或多層，然後對每一層分別進行分析，同時對比其結果。
三、元分析的局限
盡管元分析在整合已有研究結果方麵有著顯著優勢，但其自身也帶有一些局限。格拉斯等人在研究中發現，在元分析的實施過程中主要困擾於四個問題。第一，由於不同的研究所采用的研究方法和研究實驗材料可能存在不一致，因此對其結果進行整合有可能是不適合的，即“applesandorangesproblem”。第二，元分析中所引入的研究有可能是低質量的，那麼其結果的可靠性就無法保證，即“garbagein-garbageoutproblem”。第三，元分析的結果中可能存在發表偏見的問題，因為期刊在發表文章時，研究結果顯著的比不顯著的更容易得到發表的機會。第四，在計算效果量的過程中，某些研究可能存在著多個效果量，如果這些效果量來自同一個樣本，那麼對這些效果量的整合就不適合。
雖然這些局限通過一定的研究策略均可以得到有效的解決，如第一和第二個問題就可以通過對各個研究的研究方法和研究質量進行編碼，利用這些特征進行中介或緩衝變量的分析，就能知道這些特征在多大程度上影響了元分析的結果，但是研究者在進行元分析研究時，必須充分考慮到這些局限，否則元分析的結果就要受到質疑。