SigmaPlot 版本14中的新功能及改进功能！

新的图形功能

 

新的图形功能包括:

•森林图

•核密度图

•10种新的配色方案

•带平均值和标准误差条的点密度图

•图例改进

•水平、垂直和矩形图例形状

•左右移动光标或上下移动手柄

•允许多列图例

 

•用户界面的 "属性"对话框中设置图例项列数。支持列号显示在组合列表中

•通过在边界框中选择和拖动中间手柄来更改图例项列的数量

•重新排列图例项

•通过 "属性" 对话框-使用列表框顶部的上/下控制项向上或向下移动一个或多个图例项

•通过游标移动-向上或向下移动一个或多个图例项。选择图例项, 并使用键盘上下箭头键在边界框内移动

•通过鼠标选择和光标移动边界框中的项

 

•单个图例项属性设置–选择各个图例项并使用迷你工具栏通过游标更改属性

•通过游标图例框空白区域控件

•光标在角控点上

•支持按比例调整大小

 

•添加简单的直接标记

•支持 "属性" 对话框中的 "直接标记"，使用复选框控制 "直接标记"

•取消组合图例项–单个图例项可以移动到首选位置, 并与图形一起移动

 

•已添加图例标题支持 (默认情况下没有标题)。用户可以使用 "图例属性"面板将标题添加到 "图例" 框中

•使用右键单击上下文菜单反转图例项

•通过双击图例实体或图例文本打开图例属性

•已将重置添加到图例中，从而可以将图例选项重置为默认值

 

新的分析功能

 

新的分析功能包括:

•主成分分析 (PCA)

•协方差分析 (协方差)

•将 P 值添加到非参数 ANOVAs 的多个比较中

•删除了多个重要级比较的组合框选项, 并将多个重要级比较与主要(综合) 测试关联起来

•已将 Akaike 信息条件添加到 RegressionWizard 和 Dynamic Fit Wizard报表及"报表选项" 对话框中

•在 SigmaStat 组中添加了"重新运行" 按钮

•更新了拟合库标准. jfl

•增加了概率函数, 现在包括 24中概率函数, 用于曲线拟合或函数可视化

•所有等式的公差值都被修改为使用  e-notation 而不是固定的小数。支持用户在不滚动鼠标的情况下读取值。

•将七种加权函数添加到所有曲线拟合方程标准中。3D 方程中添加了一个微小变体

 

新的用户界面功能

•通过拖动来重新排列节中的笔记本项

•新的SigmaPlot 教程-PDF文件

•工作表列的行宽

 

新的导入/导出功能

•添加了可缩放矢量图形功能用于导出SVG 和 SWF 文件格式

•添加的矢量PDF导出功能改进现有的光栅PDF

•文件导入和导出支持添加到版本13和14的 Minitab, 版本9的 SAS, 版本19的 SPSS 和版本13的Symphony中

 

SigmaPlot 产品功能

 

图形功能

 

森林图

森林图是一种 " meta-analysis " 形式, 用于结合多种分析方式来解决同一问题。把每个贡献的研究按照统计方式结合起来创建一个总体汇总统计，这个汇总统计比个体研究产生的效果量要精确的多。个体研究值及其95% 置信区间是以带有水平误差条的方形符号显示的，而总体汇总统计是以等宽的菱形符号显示它的95%的置信区间。

 

核密度

内核密度功能可以生成对潜在数据分布的估计。这可以拿来和台阶状的直方图进行比较。相对于直方图，它有优点 (没有条) 也有不足 (计数信息的损失)，这两者能够同时创建，可以一起使用。

 

 

带平均值和标准误差条的点密度

在点密度图中添加了平均值加标准误差条计算、符号加误差条，提高了其他可能的点密度显示统计-平均值, 中位数, 百分点和箱线图。

 

 

新配色方案

已经实施了十种新的配色方案。以下是三个示例:

 

 

图例改进–形状

垂直、水平和矩形图例形状都可以使用。

 

 

调转图例顺序

现在, 可以选择调转图例项顺序，并针对一些图形类型提供更合乎逻辑的顺序。

 

 

重新排列图例项

这里有三种方法可以重新排序图例项。如下所示, 使用图形属性的 "图例" 面板中的向上/向下箭头控件, 可以向上或向下移动一个或多个图例项。更容易的是, 只需选择图例中的项目, 然后使用键盘向上和向下箭头键移动。或选择图例项, 然后用鼠标光标将其拖到新位置。

 

 

使用迷你工具栏对图例项进行编辑

现在可以通过单击该项并使用迷你工具栏来编辑图例项。

 

 

直接贴标

现在可以取消组合图例, 并将单独的图例项放置在绘图边适当的位置。标签将随图表一起移动, 以保持与图形有关的位置。由于标签是相邻的情节, 每个情节的视觉识别现在更容易。

 

 

分析功能

 

主成分分析 (PCA)

主成分分析 (PCA) 是一种通过较少维度的近似数据来减少高纬度数据复杂性技术。每个新维度称为主成分, 表示原始变量的线性组合。首个主要成分在数据中占用尽可能多地变体。接下来的主要组件都尽可能多地占用剩余的变体, 并且与之前的所有主要成分都是正交的。

 

可以测试主要成分了解数据中的变体来源，也可以在形成预测模型中使用它们。如果数据中的大多数变体都存在于低维子集中, 则可以根据主要成分对响应变量进行建模。还可以使用主成分来减少回归、聚类和其他统计技术中的变量数。

 

主成分分析的主要目的是解释数据的变体来源, 并在保留大部分总变体的同时, 用较少的变量表示数据。

 

图形输出由画面、成分加载和成分评分图组成。

 

 

协方差分析 (协方差)

单因素方差分析模型是以完全的随机设计为基础, 其中的研究对象是随机抽样的人群, 之后每个对象随机分配到几个因子水平或处理方法, 使每个对象拥有同等接受处理的可能性。此设计的常见假设是, 对象是同类型的。这表明任何其他变量不能明显地改变处理效果, 如研究对象这件存在差异, 因此无需包括在模型中。然而, 经常有一些变量超出了调查者的控制范围, 影响到一个或多个因素群的观察, 不得不对群体方式, 他们的错误, 变异的来源和群体效果P值做出必要调整, 包括进行多个比较。

 

这些变量称为协变量。它们通常是连续变量, 但也可以是绝对的。因此它们通常对研究而言不是最重要的, 如上文所述,它们超出了研究人员的控制范围, 不是附加的主要影响因素, 但仍可纳入模型来提高结果的精确度。变量也被称为多余变量或伴随变量。

 

ANCOVA (协方差分析) 是通过在模型中指定一个或多个变量作为附加变量而获得的ANOVA扩展。如果使用索引数据格式在 SigmaPlot 工作表中排列协方差数据, 在方差分析设计中，一列表示因子, 一列表示因变量 (观察)。此外, 每个协同变量都有单独的一列。当使用包含协同变量影响的模型时, 因变量的值中有更多可解释的变异性。

 

这通常减少了由于随机抽样而导致的无法解释的方差, 与相同模型没有协变量（ANCOVA模型）的模型相比增加了协方差的灵敏度。更高的测试灵敏度意味着, 与标准的方差分析模型相比，处理之间的平均差将变得显著, , 从而增加统计能力。

 

作为使用协方差的一个简单例子, 考虑一个实验, 学生随机分配到三种类型的教学方法之一, 之后计算他们成绩。其目的是测量不同方法产生的效果, 并确定是否有一种方法可以获得更高的平均分。这三种方法包括讲课, 自学, 合作学习。对此假设数据进行单因素方差分析时, 将在下表中"方差分析" 列标题下给出结果。结论即教学方式之间没有显著的差异。还要注意的是, 方差分析模型未能解释方差是由于观测中随机抽样的变异性, 方差估计为35.17。

 

根据他们之前的学习成绩, 此项研究会让学生找到一种收益最多的学习方法。假设我们改进了这项研究, 包括一个协同变量, 用来衡量某个以前的能力, 例如基于标准的国家认可的评估 (SBA)。在下表中进行此数据的单向协方差分析, 在协方差分析列的标题下给出结果。

 

 

针对每个方法，表格中都给出了做出调整的平均值，此平均值是对组平均值的修正, 用于控制方差的影响。结果表明, 经调整后授课方式的平均值有显著变化，成为最成功的教学方法。请注意, 平均值的标准误差几乎减少了三倍, 而由于随机样本变异而产生的方差减少了十倍。错误的减少是引入协变量和进行协方差分析的一般结果。

 

有四个协方差分析结果图-群组回归线, 余查散置图,具有置信区间的调整平均值和正态概率图:

 

非参数 ANOVAs 的 P 值

SigmaPlot 的非参数方差分析测试也是克鲁斯卡尔-沃利斯测试 (对秩作单因素ANOVA)和弗里德曼测试 (对秩作单因素秩重复测量ANOVA)。这两种方法都提供了四个特殊的检测程序来确定处理因子中产生显著影响的来源。四个程序分别是 Tukey, SNK, Dunn程序和 Dunnett 程序。

 

前三个程序可以用来测试处理组两两比较的意义, 而最后两个可以用来测试其他与对照组比较的意义。但是，如果处理组组有不用的样本尺寸，Dunn程序是唯一可以用的。

 

当使用事后测试程序时, 报告给出的一个表, 列出了对处理水平进行两两对比的结果。表的最后一列显示秩的差异是否显著。在SigmaPlot 的早期版本中, 没有给出的 p 值做出相应的调整, 可以比较方差分析的显著水平 (通常为05) 来确定是否显著。

 

这是因为 SigmaPlot 通过对比观察的测试统计,对每次对比结果的计算, 从而从查询表中得到统计数据分布的临界值。SigmaPlot 有两套概率分布查找表, 相当于四个事后分析方法, 其中一套是05 的显著水平和另一套01。

 

最近, 使用分析程序计算这些分布的P值功能已经改变，使得查询表不再适用。由于这一变化, 我们现在可以对调整后的两两比较的p 值生成报告。此更改还使可以删除使用. 05 和. 01 作为多重比较唯一显著水平的限制。因此, 用户可以从0到1输入任何有效的 P 值显著水平。

 

Akaike 信息标准 (AICc)

Akaike 信息标准 (AIC) 提供了一种方法, 用于测量将回归模型拟合给给定数据集的相对性能。在信息熵概念的基础上, 该标准为在使用模型描述数据过程中所丢失的信息提供了相对度量。更具体地说, 它在最大化评估模型的可能性 (如数据通常分布时尽量减少剩余平方和) 和将模型中的自由参数数目保持在最小值之间进行权衡, 从而减少其复杂性。虽然通过添加更多的参数, 拟合优度总能得到改善, 但过拟合会增加模型对输入数据的灵敏度, 从而在输入数据时会改变并破坏其预测能力。

 

使用 AIC 的基本原因是对模型选择做一个指导。实际上, 它是为一组候选模型和给定的数据集进行计算的。所选最小的 AIC 值模型为整套模型中最能代表 "true" 模型的模型, 或将信息丢失最小化的模型,这就是设计AIC用于评估的目的。在确定了最小 AIC模型后, 还可以为其他候选模型计算相对可能性, 以测量减少信息丢失概率与最小AIC模型的关系。相对可能性可以帮助调查员决定是否应保留一组以上的模型供进一步考虑。

 

AIC 的计算是基于下列由Akaike获得的一般公式。

 

 

回归问题中可估计参数的个数，包括模型参数和观测的未知方差, 是评估模型中似然函数的最大化值。

 

当数据的样本大小相对于参数的数量很小时 (有些作者说, 当不超过数倍大于) 时, AIC 将不会执行同样的操作来保护过拟合。在这种情况下, 可以使用修正版本的 AIC。

 

 

可见, 当出现额外参数时, AICc 比 AIC 的处罚力度更大。大多数作者同意, 在任何情况下, 都应该使用AICc而不是AIC,  而AICc 可以在SigmaPlot 中应用。图中的不对称方程比对称性方程好太多, 因为它的 AICc 值大于7单位，小于 Symmetic方程—即AICc 的一个经验法则。如果差值大于 2, 则不应将具有较小 AICc 值的方程视为最佳，只能作为最佳方程式的候选项。

 

 

 

非线性回归概率函数

24种新的概率拟合函数已添加到拟合库标准. jfl。以下是一些方程和图形形状。

 

 

非线性回归加权函数

现有七种不同的加权函数嵌入了每个非线性回归方程(3D略有不同)。这些函数是y的倒数,y 平方的倒数, x的倒数, x 平方的倒数, 预测的倒数, 预测平方的倒数和柯西积分。采用迭代 再加权最小二乘法, 使权重在每次非线性回归迭代过程中发生变化。通过选择 reciprocal_pred 加权选项, 可以得到一种常用的方法 "predicteds 加权"。

 

另外, 柯西加权 (选择 weight_Cauchy) 可用于将等式与包含异常点的数据相匹配, 并将最小值的影响降至最低。用户可以根据残差和/或参数创建自己的加权方法, 以实现其他稳健的拟合方法。拟合文件的等式部分可以和七种内置加权函数共同显示。

 

 

用户界面功能

用户界面功能–通过拖动对笔记本中的项进行重新排序

 

笔记本文件中的对象不一定以逻辑顺序创建的。现在, 可以把文件中的项拖放到新位置, 以更加合乎逻辑的方式放置它们。

 

SigmaPlot 教程的更新

 

新的教程对于第一次创建图表的新手来说很容易。先从简单的例子开始学期, 慢慢变得越来越复杂。

 

 

指定工作表列中的绘图线宽度

现在可以在工作表列中输入行宽值。这些值可在图形中或者同页面上的多个图形中使用。

 

 

新的矢量导出文件格式功能

添加了 SVG (可伸缩矢量图形)、SWF (Adobe Flash 播放器) 和矢量 PDF 文件格式。这些格式是可以伸缩的, 在缩放到不同级别时不会丢失任何分辨率。SVG 是 web 的标准图形格式,SWF 可以与 Adobe Flash 播放器一起使用。由于pdf 经常使用, 因此矢量 pdf 格式现以附加到主功能区上的 "创建 pdf" 按钮上。

 

更新的应用程序文件格式

Minitab 版本13和14版、SAS 版本9和 SPSS 版本19中的文件导入和导出支持功能已更新。