体育统计笔记5.docVIP

15 前面讲了很多种统计方法，这里进行总结下： 1． T检验（独立样本、配对样本） T检验主要用来检验2样本间的差异性，适用条件： 自变量为二分变量（即包含两个水平）——〉一个因变量（连续变量）。 1）独立样本T检验图示： 2）配对样本T检验图示： 2． 卡方检验 上面的因变量若不是连续变量，而是二分变量，则需要用卡方检验。 卡方检验适用条件： 自变量为二分变量（即包含两个水平）——〉因变量为二分变量（即包含两个水平）。 图示： ? 3． 单因素方差分析 单因素方差分析的适用条件 自变量为间断变量（有三个水平以上）——〉一个因变量（连续变量） 若自变量为连续变量，则把自变量转换成间断变量。如学生成绩为连续变量，可以转换为高分组、中等分组、低分组（可以考虑以平均数加减一个标准差来划分）。 1）单因素方差分析图示： 若单因素方差分析效果显著，若需要具体分析，还需要进行多重比较（每两个水平之间进行比较），注意，多重比较虽说是两两比较，但该比较与独立样本T检验不同。T检验的显著性水平（假设为0.05）是每个样本为0.05/2=0.025，而多重比较每个样本的显著性水平是是0.05/m（m为水平数量） 2）单因素协方差分析 在实验中某些变量无法控制，但会对实验结果造成影响。如所选样本前测具有显著差异，但前测是在实验中控制不了的，所以在分析时就需要对该变量进行固定以排除变量对实验结果的影响。这样的变量称为协变量（图中为共变量）。 协方差分析图示： 4． 多因素方差分析 适用： 多个自变量（为间断变量，每个自变量有多个不同的水平）——〉一个因变量（连续变量） １）二因素方差分析图示： 注意：进行多因素方差分析时，如果交互效应显著，则只分析交互效应，因为单独再对有交互交应的A主效应因子或B主效应因子做单因素方差分析或T检验已没实质意义。只有在交互效应不明显时，才对每个主效应因子做单因素方差分析或T检验。 2）二因素协方差分析 与单因数协方差分析描述一样，图示为： 5． 多元多因数方差分析 适用： 多个自变量（间断变量，每个自变量有多个水平）—— 多个因变量（每个因变量均为连续变量） 1）? 多元单因数方差分析图示 2）? 多元多因数方差分析图示： 6． 线形相关分析 变量X —— 变量Y 1）两两线形相关图示 2）? 典型相关 典型相关的图示： 使用典型相关，就不必再去做两两之间的相关。 7． 回归分析 回归分析主要用于预测，也就是每一个因变量X能给因变量Y带来多大的影响. 1) 多元线形回归分析图示： 在回归分析中，若自变量不是连续变量，则需要把自变量转化为虚拟变量（哑变量） 2）logistic回归分析 在回归分析中，若因变量不是连续变量，而是二分类变量或二次序变量，则用logistic回归分析 4）? 因变量为多分变量或多分次序变量 在上面说的各种统计方法中，若因变量为连续变量，则一般要求：总体服从正态分布，方差齐。当然在实际过程中也不是绝对。 在样本量的要求方面不同的统计方法也会有不同的要求。 16 这段时间在分析一批数据，其中涉及到体能的比较，而体能是由多个体能项目测试成绩组成，由于每项体能测试成绩的计量单位不同，所以不能直接相加减，以往的做法是把每个体能项目根据国家标准算出分数，然后求平均数做为每个学生的体能成绩，一来呢，这种做法比较麻烦，需要对每个学生的体能项目换算成分数， 第二呢，这种做法也不太合理，容易受某一个或少数几个项目的影响，而使其他项目所起的作用比较小。针对这两种问题，SPSS能很好的解决，那就是使用SPSS的数据标准化操作.。 ????? 数据标准化，或者无量刚化，它是通过简单的数学变换来消除各指标量纲影响的方法。举个简单的例子，身高 体重两个计量单位不同，不能进行直接相加来评价他们的综合指标，就需要先消除他们的量纲影响，使之可以相加。又如以百分制计数的分数与以五分制计数的分数，需要相加减，也需要消除量刚的影响。???? 数据标准化方法很多，这个我们在后面说，这里说说SPSS里的数据标准化处理，SPSS里的数据标准化采用的是标准差标准化法，具体的公示如下： 该方法把所有指标的原始数据转化为均值为0，标准差为1，消除了量刚及数量级的影响，也消除了各指标间因变异程度上的差异（简单的说就是某个指标因数值过大，而使该指标在综合评价里所占的权重过高的影响）。该方法只能用于原始数据呈正态分布。 ????? 1、使用SPSS对数据进行标准化处理?????? ????? 下面是原始数据，包括实验前测和后测两类数据，由于我们是以进步幅度作为评价指标，所以把每个项目的进步幅度值求出来，因为每个项目的计量单位相同，标准相同，测评仪器相同，所以可以直接相减?. ???执行analyze/Deive Statistics/De