Ｒｉｄｉｔ檢驗法及其在體育科研中的應用

摘要：對體育科研中抽象概念的強弱進行比較不是簡單地可用等間隔尺度可以測度的，有必要根據數據的基本結構重新計算量表評級，從而作出更客觀的評價。解決此類問題的統計方法是一種與分級或評分無關的非參數檢驗Ridit分析法。Ridit分析將累積概率分布的思想應用于本類問題的研究分析中，除能給出處理間有無強弱差異外，還能說明優劣的程度，這是一般的秩檢驗所做不到的。

關鍵詞： Ridit檢驗；體育統計；科研方法

中圖分類號： G80-32文章編號：1009-783X(2006)05-0124-03文獻標識碼： A

在實際的體育科學研究中，我們經常會遇到需要對抽象概念的強弱進行比較的問題，例如，調查不同體校的運動員在當運動員期間獲得的體育專業知識的程度，以此比較不同體校傳授體育專業知識的效果；又如，對參加不同級別比賽的運動員的心理狀態進行調查，讓運動員對參加不同級別比賽時的心理狀態進行評分，以此來了解不同級別比賽對運動員心理狀態的影響。對抽象概念的強弱進行比較時，一般采用的方法是人為設定量表進行評分。但這些人為設定的量表進行的評分不一定總能理想地測到真實的數據。比如用：非常緊張5分、較緊張4分、緊張3分、有一點緊張2分、一點不緊張1分，對運動員參加不同級別比賽時的心理狀態進行評分或分級時可能存在一定缺陷，非常緊張的程度并不能代表是一點不緊張的5倍。同樣用A.很多、B.較多、C.一般、D.不多、E.很少來表示不同體校的運動員在當運動員期間獲得的體育專業知識的程度時，很多到很少這五個抽象概念間也不是簡單地可用等間隔尺度可以測度的。因此，要從有序的等級資料中獲取定距或定比數據的信息是很難的。所以，有必要根據數據的基本結構重新計算量表評級，從而作出更客觀的評價。

解決此類問題的統計方法是一種與分級或評分無關的非參數檢驗Ridit分析法。Ridit是英文relative to identified distribution縮寫和Unit的詞尾it的組合，故又稱為參它于1958年由Bross提出。

1Ridit分析法的基本思想

取一個樣本含量較多的組或將幾組數據匯總成為參照組，根據參照組的樣本結構將原來各組應答數變換為參照得分，即Ridit得分，再利用變換后的Ridit得分進行各處理之間強弱的比較。

2Ridit得分及計算方法

設A表示不同的比較組或不同處理的分類變量，A₁，…，A_r表示不同的處理；B表示分級的順序尺度變量，設B₁2<…s。O_ij表示回答第i個處理（類）在第j個順序上的應答數。則可整理得到如下的r×s二維列聯表，見表1。

5實例及其分析

根據你當運動員期間在以下六個方面的收獲情況，分別做出選擇，試問當運動員期間他們在六個方面的收獲有何不同？調查結果見表2。

解：在本例中，從獲取知識的程度來看，各個知識和能力方面存在較大差異，因而不采用人為定級的方法，考慮使用Ridit分析。

（1）計算Ridit得分

根據前面所述的計算過程和計算公式，在EXCEL中通過設置公式和函數［2］得到如下計算結果：見圖1。計算過程中涉及到計算公式和函數見圖2。

（2）假設檢驗

原假設：在體校學習期間運動員在上述六個方面的收獲沒有強弱之分。

計算及檢驗結果見表3，計算過程中用到的EXCEL的公式和函數見圖3。

由于原假設成立的概率小于0.01，所以拒絕原假設，認為在體校學習期間運動員在上述六個方面的收獲有強弱之分。

（3）區間估計

參照組與其他六個組的95%的置信區間為：

參照組：0.5±0.0173（0.4827，0.5173）

體育專業知識：0.3498±0.0423（0.3075，0.3921）

計算機知識：0.5728±0.0423（0.5305，0.6152）

外語知識：0.7625±0.0423（0.7202，0.8049）

語言表達能力：0.4365±0.0423（0.3933，0.4779）

示范講解能力：0.4952±0.0423（0.4528，0.5375）

指導教學、訓練能力：0.3841±0.0423（0.3417，0.4264）

從Ridit得分來看，由于體育專業知識的R值最小且小于參照組的R=0.05，所以，在校期間運動員在體育專業知識方面獲得的收獲最多，加上它的區間與參照組的區間不重合，所以體育專業知識獲得的程度與總數為參照組的程度之間是有顯著性差異的（α<0.05）。同理可知，除體育專業知識與指導教學、訓練能力及指導教學、訓練能力與語言表達能力和語言表達能力與示范講解能力兩兩間沒有顯著性差異外，其它兩兩間均有顯著性差異。

用兩組間（除參照組外）的平均Ridit得分相減加0.5，可得到兩組間的優劣程度。例如，用體育專業知識的平均Ridit得分與外語知識的平均Ridit得分比較得到：0.3498-0.7625+0.5=0.0873，說明獲得體育專業知識的程度差于獲得外語知識的程度的概率為0.0873，換言之，獲得體育專業知識的程度優于獲得外語知識的程度的概率為0.9127。余類推。

6小結

以往的方法是將抽象概念的強弱通過人為設定分值，將其變成均勻分布，弱化了相互之間的信息。Ridit分析則將累積概率分布的思想應用于本類問題的研究分析中，除能給出處理間有無強弱差異外，還能說明優劣的程度，這是一般的秩檢驗所做不到的。

參考文獻：

［1］王星.非參數統計［M］.北京：中國人民大學出版社，2005

［2］朱紅兵，何麗娟.在EXCEL中實現多總體方差的Bartlett齊性檢驗［J］.首都體育學院學報，2006.62006年11月第18卷第6期首都體育學院學報Journal of Capital Institute of Physical EducationNov.2006Vol.18 No.6

注:本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文