La dependencia en modelos metaanalíticos puede ocurrir debido a los mismos datos recopilados o a los mismos investigadores. En este artículo se investiga el modelo lineal bayesiano jerárquico en un metaanálisis que permite la dependencia en tamaños de efecto. Los parámetros de interés en el modelo de dependencia lineal bayesiano jerárquico (HBLD) que se desarrolló utilizando técnicas bayesianas luego serán estimados. La distribución posterior conjunta de todos los parámetros para el modelo de dependencia lineal bayesiano jerárquico (HBLD) se obtiene aplicando el algoritmo de muestreo de Gibbs. Además, para medir la robustez del modelo HBLD, se realiza un análisis de sensibilidad utilizando una distribución previa diferente en el modelo. Esto se lleva a cabo aplicando el algoritmo de Metropolis dentro del algoritmo de Gibbs. Se realiza un estudio de simulación para la estimación de todos los parámetros en el modelo. Los resultados muestran que los parámetros estimados obtenidos están cerca de los verdaderos parámetros, lo que indica la consistencia de los parámetros para el modelo. El modelo tampoco es sensible debido al cambio en la distribución previa, lo que muestra la robustez del modelo. Se lleva a cabo un estudio de caso para evaluar los efectos de las ayudas de vocabulario en el idioma nativo en la lectura en segundo idioma, probando con éxito los parámetros de los modelos.