SPSS Statistics:进行显著性分析
分析:比较平均值->单因素方差分析(两组及两组以上的)->选择因变量和因子->事后比较(一般选择LSD和邓肯)->选择(描述和方差)
1.散点图分析:
由上述散点图可以看出,不同骨量对于三个试件强度明显不大。观察到不同骨量对于三个试件的强度影响似乎并不明显。这种情况可能暗示着骨量与试件强度之间的关系较为弱或者不存在明显的线性关联。(不存在明显的线性关系)
根据以上散点图,随着骨量的增加,不同试件的弹性模量也随之增加。基于上述散点图的观察,可以看出随着骨量的增加,不同试件的弹性模量也在增加。这表明骨量可能与试件的弹性模量之间存在某种正向关联。(可见存在强烈的正相关线性关系.
散点图是一种数据可视化工具,通过在坐标系中绘制数据点来展示两个变量之间的关系。
散点图的主要作用可以显示变量之间的关系: 散点图可以直观地展示两个变量之间的相关性或趋势。通过观察数据点的分布情况,可以快速了解变量之间的关系是正相关、负相关还是无关。
发现异常值: 通过观察散点图,可以识别出数据集中的异常值或离群点。这些异常值可能对整体数据分析和模型建立造成影响,因此及时发现并处理异常值是很重要的。
集中趋势评估: 通过散点图可以评估数据的集中趋势,包括观察数据是否围绕某个中心值分布,或者是否有聚类现象。
结合上述的散点图可以看出,三个不同试件分别在骨量与强度和骨量与弹性模量的散点关系之间,不同试件之间的没有明显的不同,且不存在异常值点。
利用工具是SPSS Statistics:
平均值图:
不同试件对弹性模量平均值图:
不同试件对弹性模量平均值图:
以下是进行方差性检验:
分别对不同的弹性模量和强度:
方差齐性检验 | |||||
莱文统计 | 自由度 1 | 自由度 2 | 显著性 | ||
弹性模量 | 基于平均值 | .182 | 2 | 15 | .835 |
基于中位数 | .181 | 2 | 15 | .836 | |
基于中位数并具有调整后自由度 | .181 | 2 | 14.536 | .837 | |
基于剪除后平均值 | .182 | 2 | 15 | .835 | |
强度 | 基于平均值 | 1.025 | 2 | 15 | .383 |
基于中位数 | .919 | 2 | 15 | .420 | |
基于中位数并具有调整后自由度 | .919 | 2 | 11.810 | .426 | |
基于剪除后平均值 | 1.023 | 2 | 15 | .383 |
根据上述的方差齐性检验结果表格,在进行弹性模量和强度的方差分析时,我们使用了不同的方法来检验各组之间方差是否相等。这些方法包括基于平均值、基于中位数、基于中位数并具有调整后自由度以及基于剪除后平均值。
在统计学中,方差齐性是指各个总体方差是否相等。如果方差不齐(即各组之间的方差不相等),可能会对分析结果产生负面影响,因此进行方差齐性检验变得至关重要。
在提供的数据中,所有四种方法下的显著性水平均大于通常使用的显著性水平阈值0.05。这意味着不能拒绝原假设,即各组之间的方差是相等的。换句话说,在所考虑的情况下,无论是针对弹性模量还是强度,各组之间的方差没有显著差异,表明方差是齐性的。
因此,根据这些方差齐性检验的结果,我们可以得出结论:在当前的数据集和分析条件下,可以假定在弹性模量和强度这两个指标中,各组之间的方差是相等的,从而确保了方差分析结果的有效性和可靠性。
**方差分析(ANOVA)**是一种统计分析方法,用于比较三个或三个以上组别的均值是否存在显著差异。它主要用于确定一个或多个因素对于一个连续型的依赖变量是否有显著影响。
ANOVA | ||||||
平方和 | 自由度 | 均方 | F | 显著性 | ||
弹性模量 | 组间 | .001 | 2 | .000 | .002 | .998 |
组内 | 2.879 | 15 | .192 | |||
总计 | 2.880 | 17 | ||||
强度 | 组间 | 1.476 | 2 | .738 | 1.701 | .216 |
组内 | 6.507 | 15 | .434 | |||
总计 | 7.983 | 17 |
根据第一组数据的结果,组间的F值为0.002,显著性水平为0.998。在这种情况下,我们无法拒绝原假设,即各组之间没有显著差异。
根据第二组数据的结果,组间的F值为1.701,显著性水平为0.216。在这种情况下,同样也无法拒绝原假设,即各组之间没有显著差异。
在提供的数据中,利用SPSS进行了事后检验的多重性比较,具体涉及了弹性模量和强度两个因变量以及不同试件之间的比较。以下是对此事后检验的多重性比较结果的解释。
弹性模量方面的多重性比较:
1 vs. 2:
平均值差值为0.01047,但显著性水平为0.968,这意味着试件1和试件2之间的弹性模量差异不具有统计显著性。
1 vs. 3:
- 平均值差值为-0.00636,显著性水平为0.980,表明试件1和试件3之间的弹性模量差异也不显著。
2 vs. 3:
- 对于试件2和试件3之间的平均值差值(-0.01683),显著性水平为0.948,差异同样不显著。
总体来说,根据多重比较的结果,无论是试件1与试件2、试件1与试件3,还是试件2与试件3之间的弹性模量差异都没有达到显著水平。
强度方面的多重性比较:
1 vs. 2:
- 强度方面,试件1和试件2之间的平均值差值为-0.2272,显著性水平为0.559,表示其差异在统计上不显著。
1 vs. 3:
- 试件1和试件3之间的强度平均值差值为-0.6882,在显著性水平为0.090下仅接近显著性。
2 vs. 3:
- 同样地,试件2和试件3之间的强度平均值差值为-0.4610,显著性水平为0.244,但差异也未能达到统计显著水平。
综合来看,强度方面的多重性比较结果显示试件之间的差异在统计上并不显著,尽管在某些情况下可能存在接近显著性水平的趋势。
描述统计 | |||
平均值 | 标准 偏差 | 个案数 | |
弹性模量 | 13.295355504444442 | .411572778427884 | 18 |
强度 | 17.856678888888890 | .685255014204792 | 18 |
相关性 | |||
弹性模量 | 强度 | ||
弹性模量 | 皮尔逊相关性 | 1 | .345 |
Sig.(双尾) | .161 | ||
个案数 | 18 | 18 | |
强度 | 皮尔逊相关性 | .345 | 1 |
Sig.(双尾) | .161 | ||
个案数 | 18 | 18 |
根据您提供的数据,弹性模量和强度之间的皮尔逊相关性系数为0.345。这表明弹性模量和强度之间存在正向的中等程度相关性。然而,考虑到Sig值为0.161(双尾检验),这个相关性结果在统计学上并不显著。这表示我们不能以统计学上的显著性确信弹性模量和强度之间的关系是真实存在的。
总结来说,虽然数据显示弹性模量和强度之间可能存在一定程度的相关性,但由于Sig值高于通常使用的显著性水平(通常为0.05),我们无法得出确凿的