通过SPSS进行统计学相关在运动人体科学中的应用

中图分类号：G804文献标识：A文章编号：1009-9328（2012）12-000-02

摘 要本文通过将SPSS软件进行统计学分析这种研究方法结合运动人体科学的特点,对几种常用的分析手段进行编排,已达到对数据的分析层层递进,科学严谨.旨在为从事该领域研究的工作者提供参考信息.

关 键 词统计学SPSST检验相关分析方差分析

一、前言

通过SPSS软件对运动人体的各项试验分析过程中,存在着步骤不严谨,数据处理相对混乱等问题.在运动人体科学研究中使用SPSS软件急需一个规范化过程.

统计学广泛应用在运动人体科学研究的各项参数分析中,其主要是对成组的数据分门别类,利用统计学的知识对其构建数学模型.通过数学模型能够检验出单组数据是否具有研究价值,在此基础上对多组数据进行相关性研究,进而得出期望的研究成果.或者从反方向入手,得出这组数据的不成立,从而给出一个否定结论,同样也具有适度的研究价值.在运动人体科学的统计学研究中,主要应用SPSS软件进行数据处理,通过软件不仅可以做到统计学的计算,而且可以得到成组数据的图表,通过图表可以直观的看到数据之间的关联信息,十分实用.但在一些复杂数据的分析中,SPSS软件并不能完全得出,还是需要引入函数计算进行评定,例如在对血液流体特性的研究中使用模糊函数这个概念.文章中使用SPSS软件为IBMSPSSStatistics19.0版本进行描述.

二、分析与讨论

(一)相关分析法的操作方法

在对生理学数据进行统计学分析时,通常会用到均值的计算和检验,线性回归以及相关性的计算和检验.在人体科学领域其中利用较多相关性研究为例,通过研究相关性给出两组数据的差异性,得到差异性是否显著,从而做出判断这两组数据之间存不存在联系.例如儿童身高与母亲身高之间是否存在联系.通过偏相关分析,可以剔除两组数据直接差异之间所存在的变量,通过剔除变量,检测设差异性降低,那么同样也可以给出一个两组数据之间存在有限的联系这样一种结论.对于均值的计算检验也很重要,均值的得出可以通过频率分析,同时得出其是否符合正态分布,不符合正态分布的只能作为变量存在.符合正态分布的数据可以进行两组数据的T检验,可以检验出两组数据样本之间是否存在差异存在研究价值,这是进行相关性研究的基础.对于小样本的检测,样本量小于30,那么误判发生的概率很大,有可能其符合正态分布但是方差不齐,那么需要使用非参数检验替代T检验.如果样本中存在有变量,在进行偏相关分析之前,为了做到科学严谨,还需要进行独立样本的T检验,以判断分组变量与因变量之间的联系.对于方差齐性的得出,可以利用F检验,在SPSS中可利用一维方差分析,这里面要求数值F>1,表明差异显著.而线性回归的分析方面,通过研究因变量和自变量是否存在线性关系,是否符合线性定律,可以对两组数据中是否存在变量给出直观的判断,在SPSS中线性的回归可以剔除变量进行比对.在T检验和相关性分析结果中的sig值表现差异性,在以α等于0.05为标准,p>0.05差异不显著,p<0.05差异显著,p<0.01差异十分显著.在文章中,鼓励使用相关分析和T检验,而将方差分析作为不可或缺的检验步骤存在.

(二)利用相关分析法的一般顺序

在进行运动人体学科的大范围调查类数据分析过程中,应当秉承科学严谨的态度,对数据一层层处理,需要进行相关分析的,不可以直接就进行,而是在做相关性分析之前对数据进行层层筛选,去除掉误判因素,它的顺序应当按照以下步骤进行：1.数据的可靠性,包括单组数据是否符合正态分布以及数据的方差齐性.2.对两组数据进行线性回归分析,以判断两组数据之间有无其他变量.3.测出简单变量因素下的几组数据均值,对几组数据与总的数据均值进行单一样本T检验,判断变量与因变量之间是否有统计学意义,是否存在差异,如性别对身高有无关系.根据方差齐性的不同选择是否使用T检验.这一步骤如果无简单变量,就可以忽略.4.如果存在变量,需要将可能的变量作为分组变量与因变量进行独立样本的T检验,以判断确实存在关联.5.进行相关性分析,如需剔除变量使用偏相关.如果变量因素过多,需要进行多元分析,就要用距离（主成分）分析判断起决定作用的几种变量.相关分析多使用Pearson相关性分析.这里面的五个步骤根据不同的数据样式可以不全部完成,但是顺序不变.除了数据分析外,如无需测得精确结果而仅作科学研究的参考,或者为了使结果更加利于观察,还可以利用图表进行分析.散点图可以判断相关性,线点图可以判断线性回归,直方图可以判断正态分布等.

三、举例分析

通过上述方法,可以对生理学数据进行全面的分析,下面给出两个可供分析的思路参考.

幼童身高与父母身高的相关性分析：数据的筛选测量包括幼童身高、父母身高、父母体重、性别、年龄、城乡区别等.首先,对幼童身高与父母身高数据进行正态分析,和一维方差分析,检测设F>1.再以父母身高分别作为自变量对幼童身高这个因变量进行线性回归分析.检测设p<0.05存在变量,通常认为影响身高的因素是多方面的.将上述所列其他数据作为变量与幼童身高做独立样本T检验.或者不进行独立样本T检验,而改为距离分析.最后进行偏相关分析,剔除测得上述变量T检验时P<0.05的项目或距离分析中关联大的项目,得到相关分析的sig值.在做偏相关分析时,可以对变量进行逐一剔除,得到结果如果不能小于0.05,但是呈现sig值减小的趋势,也可以认为存在相关性.对上述数据操作步骤稍作改变,可以分别测得男女童与父母身高分别得相关性,对于研究有很大参考意义.

高原训练对高水平运动员血液红细胞数目的影响：实验组：高原训练后高水平运动员；对照组：低海拔地区高水平运动员.测得数据：高原训练运动员红细胞数量；低海拔地区运动员红细胞数量；性别；年龄.这组数据主要是要研究高原训练与高水平运动员红细胞数量变化之间的相关性.如果数据仅用来作为训练参考,那么可以简单利用图表方法进行分析.在这组数据中因变量是红细胞数目,自变量是有无参加高原训练.在这里如果性别分组,年龄作为组变量对于红细胞数目影响不大.那么在数据处理过程中可以只对其进行单一样本T检验,即将高原训练高水平运动红细胞数据与低海拔地区高水平运动员红细胞数量均值之间做T检验,以判断高原训练有无影响即可.