欢迎使用体育学位论文数据在线分析平台，本平台基于 R 语言开发。告别统计软件的繁琐操作，快速完成体育领域的各类数据分析。本项目旨在解决中国体育学位论文中的的统计方法问题，确保结果具有科学性。服务器不会保存任何用户上传的数据文件及分析结果！
- 列联表分析，包括卡方检验、Fisher 精确检验、McNemar 检验和趋势检验。
- 多重比较校正的 p 值调整方法，包括 Holm 校正、Bonferroni 校正、Hommel 校正、Hochberg 校正、Benjamini–Hochberg 校正和 Benjamini–Yekutieli 校正。
- 数据集的数值和图形化描述性统计分析。
- 单样本、双样本及配对样本的参数与非参数检验，包括 t 检验和 Wilcoxon 秩和检验。
- 单因素和双因素方差分析（One-Way 与 Two-Way ANOVA。）
- 分类数据检验，包括卡方检验、Fisher 精确检验、McNemar 检验和趋势检验。
- 变量之间的相关性计算，包括 Pearson、Spearman 和 Kendall 相关系数。
- 回归分析，包括线性回归和逻辑回归。
请上传.csv格式数据，可用Excel导出CSV文件：
数据格式案例（点击下载）如有疑问，请联系平台管理人员：
孟栗典 Lidian Meng (Email: lidianmeng@chnu.edu.cn)。
实验研究型（目前较为主流的选题类型）
- 核心特征：设有实验组与对照组，通过训练或教学干预，采用前测/后测设计，运用统计方法检验干预效果是否显著。
- 基本流程：研究对象 → 实验设计 → 实施干预 → 数据统计 → 效果分析
- 常用方法：t检验、方差分析、效应量分析等。
问卷调查型（目前较为主流的选题类型）
- 核心特征：编制或选用成熟问卷，进行大样本调查，对研究对象的现状及影响因素进行分析，并提出对策建议。
- 现状调查 → 信效度检验 → 因素分析 → 回归分析 → 对策建议
- 常用方法信度分析、效度检验、描述统计、因素分析、相关与回归分析、结构方程模型等。
文献计量与文献综述型研究（一般不单独作为学位论文）
- 核心特征：基于数据库文献，对某一研究领域的研究现状、热点与发展趋势进行系统梳理和计量分析。
- 基本流程：文献检索 → 计量分析 → 研究热点 → 发展趋势 → 评价与展望
- 常用方法文献计量分析、知识图谱分析等。
直方图
密度图
箱线图
Q–Q 图
Shapiro–Wilk 正态性检验
结果
数据
期望值
假设检验
水平
列联表
期望列联表
假设检验
量表条目描述
信度分析（Cronbach's α）
条目-总分相关（Item-total correlation）
效度分析（与效标变量的相关）
散点图
直方图
Q–Q 图
Shapiro–Wilk 正态性检验
结果
Levene 方差齐性检验
假设检验
效应量（Cohen's d）
箱线图
均值图
Q–Q 图
Shapiro–Wilk 正态性检验
残差图
Bartlett 方差齐性检验
结果
单因素方差分析
事后两两比较检验
效应量（η²）
Q–Q 图和密度图
Shapiro–Wilk 正态性检验
残差图
交互效应图
箱线图
结果
事后两两比较检验
效应量（partial η²）
原始P值
校正后的P值
帮助
Holm（1979）、Bonferroni、Hommel（1988）和 Hochberg（1988）方法用于严格控制整体第一类错误率（FWER，家族误差率）。由于 Holm 方法在任意假设条件下同样有效，并且在统计功效上优于传统 Bonferroni 校正，因此一般没有必要再使用未经改进的 Bonferroni 方法。
当各假设检验之间相互独立或非负相关时，Hochberg 和 Hommel 方法是有效的。Hommel 方法的统计功效略高于 Hochberg 方法，但二者差别通常较小，而 Hochberg 方法计算速度更快。
Benjamini–Hochberg（BH）和 Benjamini–Yekutieli（BY）方法用于控制假发现率（FDR），即在所有被拒绝的假设中错误拒绝的期望比例。FDR 的控制条件比 FWER 更宽松，因此 BH 和 BY 方法通常比其他方法具有更高的统计功效。
Q-Q 图
Shapiro–Wilk 正态性检验
相关图
变换
结果
Q-Q 图
Shapiro–Wilk 正态性检验
回归图
诊断图
结果
V1.1，2025年12月5日
- 包含多种常用的统计方法
V1.0，2025年12月1日
- Meng Lab：体育学位论文数据在线分析平台项目成立