活用数据讲道理 (活用数据分析技巧)

【导读】数据分析到底怎么做?包含了哪些过程?和我们有啥关系?摩柏数据吧推出了全新系列,通过生活中有趣的小事,让你真切感受数据分析,其实并不遥远。

前言

运动场上,充斥着荷尔蒙。。。

汗水肢体碰撞,阳刚之美,在赛场上展现地淋漓尽致。

活用数据的小技巧,数据分析对运动员训练的影响

一般来说, 运动员总是以一种展现狂野本性的角色面向大众,这些行走的荷尔蒙似乎有着无限的力量,为我们奉献一场场精彩的比赛。

活用数据的小技巧,数据分析对运动员训练的影响

但有时候,运动员也给人一种狂野暴躁的印象,绿茵场上一言不合大打出手的行为屡见不鲜,拳击选手甚至会在裁判叫停后继续攻击。所以可能很多人直觉认为:运动员不善于控制愤怒!!!

今日焦点

今天我们就来探个究竟:运动员真比常人脾气更大吗?

我们通过调用最新发布的State-Trait Anger Expression Inventory数据,做出以下几个对比课题:

运动员是否更不易控制脾气?

男女运动员在脾气控制上是否有区别?

情绪失控后,运动员情绪发泄是否比常人更猛烈?

同时我们给出计算统计方式及部分数据。

活用数据的小技巧,数据分析对运动员训练的影响

简单讲,我们统计运动员及非运动员在宣泄愤怒,抑制愤怒,隐藏愤怒及控制愤怒四个方面的综合表现,以AE综合指数来评定一个人脾气的大小。我们认为脾气大不仅是嗓门响哟,得分越高才代表脾气越大。

同时为了突出对比性,我们的样本运动员都是强对抗竞技出生,基本以从事足球、篮球、橄榄球为主。

由于数据过大且较枯燥,这里就不列喽!

做好准备,开始分析!

我们今天主要以方差分析法进行数据分析。

P.S. 由愤怒表达指数的公式AE=(Anger-Out) + (Anger-In) - (Control-Out) - (Control-In) +48 。我们可以得知,AO和AI值越低,CO和CI值越高,AE的总和就会越低,表示样本对愤怒情绪的自我管理做得越好。

1. 先来看看整体情况热热身

首先,建立检验假设,确定检验水准。

H0:μ1=μ2,即运动员与非运动员愤怒表达指数的总体均数相同

H1: μ1≠μ2,即运动员与非运动员愤怒表达指数的总体均数不同(α=0.05)

活用数据的小技巧,数据分析对运动员训练的影响

从分析表中可知, 共有78个样本,其中运动员25人,非运动员53人。由于统计局限,运动员人数较非运动员人数少将近一半。

别急,我们通过仔细分析,就能把样本数量误差缩到最小。

从表中我们看出:

  • 运动员相较于非运动员的愤怒表达指数低了将近四分之一。

  • 运动员方差远小于非运动员方差,说明运动员数据离散程度更小,总体体现的AE平均值更精确。

  • 此外P<0.05,所以拒绝H0,说明两群的差异显著,同时表明运动员相较于非运动员能更好的控制自己的愤怒。

分析到这,结果似乎不那么令人说服。有人说,就算通过更小的离散性来提高样本数量局限,但对于单个群体的差异并没有控制。

什么意思?

活用数据的小技巧,数据分析对运动员训练的影响

就是没区分男女、职业等差别。(作为简单分析,我们只统计了性别上的差异)

这里我们不逐一分析多次差异样本对比,而是直接对这一差异整体分析。同样的,建立检验假设,确定检验水准。

H0:μ1=μ2,即男与女愤怒表达指数的总体均数相同

H1:μ1≠μ2,即男与女愤怒表达指数的总体均数不同(α=0.05)

活用数据的小技巧,数据分析对运动员训练的影响

由上述分析表可知,共有78个样本,其中男性30人,女性48人。

  • 受访男性相较于女性的愤怒表达指数仅高了一点。

  • 男性样本的总体方差较女性样本的要小,反映出男性样本的数据的离散程度较小,均值更精确。

  • t统计量为0.089684167,明显小于临界值1.669804163和1.998971498,表示接受原假设。

  • P>0.05,说明男性与女性在愤怒表达指数上的差异不显著。

至此我们看到,男女在愤怒控制上并没有显著差异。

既然这样我们就可以按着现有数据得出结论:运动员比非运动员能更好地控制愤怒。(当然该结论可能会随其它差异因素影响)

是不是很难以置信?别以为运动员都是头脑简单四肢发达哟,关键时刻比您还冷静!

我们继续分析。。。

2. 局部看看认定运动员冷静的四个指标到底有啥关系?

由上述分析可知,男女在愤怒控制上并没有显著差异,因此以下的分析忽略男女因素,只考虑运动员和非运动员对各个愤怒指数产生的影响。

注:1是运动员,2是非运动员

活用数据的小技巧,数据分析对运动员训练的影响

首先我们通过SPSS矩阵分布图,来大致看看4个指数的关系。从中不难看出control-in与control-out之间相关性最为明显,我们接着深入分析。

活用数据的小技巧,数据分析对运动员训练的影响

运用散点图,进一步分析control-in与control-out。通过线性拟合线,我们看到无论是运动员还是非运动员,control-in与control-out都持正相关。换句话说,只要control-in高,control-out也会高。

顺便带一句,这里两条线有交点,说明运动员与非运动员有交互作用。

Anger-out与Control-out,Anger-out与Anger-in,显示出很有趣的一面。

活用数据的小技巧,数据分析对运动员训练的影响

活用数据的小技巧,数据分析对运动员训练的影响

由图可知,Anger-out与Control-out拟合度0.3略小(对于微观问题,模型整体的拟合优度大于0.2也算可以啦)。但无论是运动员还是非运动员,对于这两个指数都持负相关,说明一般不怒于色之人骂人更温和。而对于Anger-out与Anger-in,这里的拟合度却低到不能看。

活用数据的小技巧,数据分析对运动员训练的影响

我们普遍认为宣泄愤怒和抑制愤怒是明显的反义词,可无论是运动员还是非运动员,我们都没能找出相关性。

反而是人们常说的“狗急跳墙”,在分析后值得商议。根据我们的分析,似乎”温狗不跳墙“更准确一些。

无论怎么说,运动员在AE总体表现上更加优秀!

我们认为,运动员之所以在控制愤怒上表现更优秀,也许与他们的训练密不可分。这种训练需要精神强烈控制情绪,协同身体完成长时间高强度作业。长期训练使运动员比常人有更好的脾气。

看来是时候改变对运动员的看法了,这些身材魁梧的人对情绪控制也有一手。对此不禁也让人猜测:“是不是运动能让人更加冷静,情绪更加富有条理呢?”

对此我们不做详细分析,只例图为证!!!

简单通过“好肉体”反映情况

活用数据的小技巧,数据分析对运动员训练的影响

美国的RBC组织的十项铁人赛中,从22岁至62岁的华尔街精英们悉数参与。四个小时内,他们要参加包括一个400米跑,扔橄榄球,引体向上,40码(37米)冲刺,双杠下撑,500米划桨,撑杆跳,20码穿梭,卧推和一个800米跑。

活用数据的小技巧,数据分析对运动员训练的影响

让我们来感受一下这些金融精英们的发达体魄!

活用数据的小技巧,数据分析对运动员训练的影响

Neuberger Berman的区域总监Rob De Angelo垂直跳起项目摸高81.28 厘米。

活用数据的小技巧,数据分析对运动员训练的影响

RBC的Courtney Wilson 完成了800米跑

活用数据的小技巧,数据分析对运动员训练的影响

标准普尔的Evelyn Konrad,TradeLink Securities的Jennifer Lidel和 Ares Management的Stephanie Setyadi获得女士前三。

怎么样,看着是不是心服口服?

金融分析师,这些每天看着纳斯达克指数上蹿下跳,却依旧要时刻保持冷静思考的人们,各个肌肉健硕,酷爱运动。我们也许真应该相信,运动不仅不会使人狂躁,反而会让人更加冷静。

这里附上科学解释!!!

人在运动时,大脑思维是最活跃的。今天你所记得的不愉快的事,在跑步的时候,大脑会将它们删除,同时大脑分泌多巴胺,这会让人处于一种兴奋的状态。故常锻炼的人,一般都不会有什么烦恼,同时在处理事情上面也会多一份理智。

相反的,不常运动的人,脾气反而会比较暴躁、不冷静;有很多烦心事处理不好时,心情会极差。

这是摩柏对于运动员的小小分析,如果您有不同看法,欢迎与我们交流。

另外,欲看更多文章,可以关注我们的官方微信公众号:摩柏数据吧(imobilevi)

今天我们就先到这了,去跑步啦!