歡迎來到全傑科技

今日訪客: 3264
線上訪客: 4

本軟體最新開課活動

目前沒有相關活動!!!
本軟體之前的活動!!
本軟體有產品說明會, 請洽本公司!!

SigmaPlot

原廠資訊

下載專區 Download

活動資訊

  • 目前尚無任何訓練課程!!

聯絡我們

姓名:
Email:
聯絡電話:
單位:
部門:
附件:
您的留言:

提供專業軟體代購服務
如有未列於網站之產品需求
歡迎來電洽詢，感謝您！
電話：(02)2507-8298

SigmaPlot 15
二維及三維科學繪圖軟體
The technical graphing software choice for more than 100,000 professional researchers
軟體代號:37
瀏覽次數:58185
Windows7Windows8Windows 10Windows 11
多人版
網路版
教育版
商業版
再啟動服務
試用版
遠端展示
在地教學
遠端安裝啟動服務
原廠技術服務
產品說明會
中文入門手冊
教育訓練
教學範例檔
教育訓練光碟
中文安裝手冊
永久授權
目前庫存
中文型錄
英文型錄
安裝序號
網路啟動
合法保證
原廠手冊
64 Bit
電子英文手冊
認證檔
影音教學檔
產品介紹!
全傑科技自1997年開始代理銷售本軟體.
您可以連結以下網址,來預覽所有YouTube的教學影片
http://www.youtube.com/user/SoftHome4SigmaPlot
https://www.youtube.com/user/sigmaplot/videos
本公司之SigmaPlot,可使用中文輸入
最佳的科學繪圖軟體!
如果您常發表科技性文章及論文,並且有眾多的數據要 變成XY,XYZ圖形,那SigmaPlot可以為您節省大量的時間,不必浪費昂貴的人工去做苦力.
使用SigmaPlot畫出精密的圖型是件極容易的事，目前巳有超過十萬的使用者，特別設計給科學家使用。本軟體允許您自行建立任何所需的圖型，您可插入多條水平或垂直軸，指定Error bar的方向，讓您的圖更光彩耀眼，只要用SigmaPlot將圖製作完成即可動態連結給其它軟體展示使用，並可輸出成EPS、TIFF、JPEG等圖形格式，或置放於您的網站上以供瀏覽。非常適合網站動態顯示圖形使用之場所如長時間紀錄之氣象,溫度等等場合.
1.按右鍵可看見本圖之XY數值,不只是單純的圖形而以.
2.按右鍵可放大縮小,觀察細微的地方.
3.按右鍵可印高品質高解析的圖形.
4.按右鍵可另存成SigmaPlot新檔,方便研究交流.

容易地畫出精密的圖型:
超過100,000人使用本軟體-特別設計給科學家使用,SigmaPlot允許您自行建立所需的特色,您可以插入多條水平或垂直軸,指定Error bar的方向等.
讓您的圖光彩耀眼
一但您用SigmaPlot畫好後,就可連結給其它軟體展示,並可輸出成EPS, TIFF, JPEG等圖形格式,或放在您的網站上.
分析您的數據.
SigmaPlot提供的分析工具,從基本的統計到高等的數學計算都有.內建100組方程式讓您做迴歸分析時得心應手. 並可結合Excel的分析功能.使用SigmaPlot 就是這麼簡單.
數據管理自動化
當您要處理複雜的數據時,SigmaPlot的巨集指令可讓您的數據管理自動化.省掉當苦力的時間. 並即時地將資料化成圖型,.SigmaPlot OLE 的功能可與其它的應用軟體如 Word , Excel天衣無縫地連接在一起.
SigmaPlot圖庫， 您可能花了很多時間收集與分析資料. 目的就是要做成一流的圖表. 使用的圖型資料庫就搞定了, 讓您的圖表看起來就像專家做的一樣好.
創造高解析網路圖表

SigmaPlot 能讓使用者在網際網路上發表高解析互動式曲線圖和圖表。
藉由 SigmaPlot ，使用者能在網站上或內聯網頁上輸出曲線圖當做動態的網路物件來取代簡單的GIF或JPEG檔。 SigmaPlot的WebViewer 能使任何人—不論是否有 SigmaPlot軟體—直接從瀏覽器的視窗讀取圖表資料並可任意放大縮小、上下左右移動或列印。
SigmaPlot的WebViewer能自動下載瀏覽器首先遇到的SigmaPlot 2001曲線圖。 如果Viewer無法安裝，瀏覽器將會顯示JPEG影像。
SigmaPlot 新的網路功能大大地擴增了科學界以前無法分享網路資訊的能力，取代過去僅能瀏覽品質低劣的網上發表曲線圖，SigmaPlot能夠讓線上讀者嵌入並看到高解析的圖表。
SigmaPlot 新功能尚包括:
方程式solver –能解含單一獨立變數和任何參數的方程式或函數。
曲線圖格式樣式 – 使用者能儲存會重複使用的曲線圖樣式, 節省了再製作的時間。
圖表區 – 研究人員能在曲線下或曲線間調色度。
EPS彩色輸出 – 影像能完整的輸出EPS色彩向度。
有關 SigmaPlot
SigmaPlot是可做資料分析的高品質曲線圖繪圖軟體。 SigmaPlot能提供眾多選擇，如自動化誤差條狀圖，迴歸線圖，信賴區間，軸刻度，非線性曲線及工作表單。
已有超過100,000多位的專業研究人士使用SigmaPlot。 SigmaPlot被廣泛地運用在醫學,生命科學,化學,工程學,環境科學和物理學等領域.而且還連續九次贏得Scientific Computing and Instrumentation Reader的最佳繪圖軟體代言獎,另外也贏得美國國家航空暨太空總署(NASA)的獎賞.
本軟體快速上手123
1.開啟SigmaPlot,Open Excel,輸入XY兩組資料,一般來說Column A為X, Column B為Y
2.選擇要畫的圖形,如Line Plot折線圖,就會看到結果.
3.若您要更改設定,往圖形中央快點兩下,即會顯示出參數設定視窗. 就是這麼簡單!
若您是本公司的客戶,
部分之 Power by SigmaPlot 圖形
原作者若同意 , 本公司有提供原始檔
可免費索取

SigmaPlot BoxPlot

林試所01 Sigmaplot教育訓練 Typical Example

林試所02 Sigmaplot教育訓練 Basic Example

林試所03 Sigmaplot教育訓練 PCA Example

臺灣縣市地圖邊界檔

Confidence and Prediction ellipses
Confidence and Prediction Line
Histogram
Jitter Plots
Normal Probability Plot
Passing Bablok Regression
Polar and Parametric Equations
Quantile Quantile Plot
Scatter Plot Residuals
Standardized Residuals

 

 

SigmaPlot 客戶範例I 教學

SigmaPlot 客戶範例II Customer Example 教學

SigmaPlot 客戶範例III
SigmaPlot 客戶範例IV

SigmaPlot Box Plot with mean 教學

SigmaPlot E multi plot move and align 移動對齊校正 教學

SigmaPlot盒形圖加平均數E Box Plot with Mean

SigmaPlot 3D Vector Plot 教學

SigmaPlot Mesh 1 教學

SigmaPlot Break Axis 斷軸

 
影片教學(以下影片皆為英文)
Introduction to SigmaPlot  
SigmaPlot Webinar: SigmaPlot For Microsoft Excel Users  

The New SigmaPlot Version 13 - What's New

SigmaPlot 12's All New User Interface 

Macros Within the Tool Tab in SigmaPlot Version 12

Using the Reporting Tab in SigmaPlot Version 12

 

Using Transforms in SigmaPlot Version 12

Using the Analysis Tab & New Statistics Features within SigmaPlot Version 12

 

New Radar Graphs in SigmaPlot Version 12

Creating and Editing Graphs with SigmaPlot Version 12  

Working with SigmaPlot 12's New User Interface

 

SigmaPlot 12's All New User Interface Explained In Detail

 
客戶使用範例
 
內建繪圖種類 (請看 PowerPoint 範例)
Scatter Plot
Line Plot
Line and Scatter Plot
Vector Plot
Area Plot
Polar Plot
Vertical Bar Chart
Horizontal Bar Chart
Box Plot
Pie Chart
Contour Plot
3D Scatter Plot
3D Line Plot
3D Mesh Plot
3D Bar Chart
Ternary Plot
Bubble Plot
Graph Gallery
Statistics Graph

繪圖種類細項
Scatter Plot
Simple Scatter
Multiple Scatter
Simple Regression
Multiple Regression
Simple Error Bars
Multiple Error Bars
Simple Error Bars & Regression
Multiple Error Bars & Regression
Horizontal Error Bars
Bi-directional Error bars
Vertical Asymmetric Error Bars
Horizontal Asymmetric Error Bars
Bidirectional Asymmetric Error Bars
Vertical Point Plot
Horizontal Point Plot
Vertical Dot Plot
Horizontal Dot Plot
Line Plot
Simple Straight Line
Multiple Straight Lines
Simple Spline Curve
Multiple Spline Curves
Simple Vertical Step Plot
Multiple Vertical Step Plot
Simple Horizon Step Plot
Simple Vertical Step Plot
Multiple Horizon Step Plot
Simple Vertical Midpoint Step Plot
Multiple Vertical Midpoint Step Plot
Simple Horizontal Midpoint Step Plot
Multiple Horizontal Midpoint Step Plot
Line and Scatter Plot
Simple Straight Line
Multiple Straight Lines
Simple Spline Curve
Multiple Spline Curves
Simple Error Bars
Multiple Error Bars
Horizontal Error Bars
Bi-directional Error Bars
Simple Vertical Step Plot
Multiple Vertical Step Plot
Simple Horizontal Step Plot
Multiple Horizontal Step Plot
Simple Vertical Midpoint Step Plot
Multiple Vertical Midpoint Step Plot
Simple Horizontal Midpoint Step Plot
Multiple Horizontal Midpoint Step Plot
Vector Plot
XYXY
XYAM
Area Plot
Simple Area
Multiple Area
Vertical Area
Multiple Vertical Area
Complex Area
Polar Plot
Scatter
Lines
Scatter & Lines
Vertical Bar Chart
Simple Bar
Grouped Bar
Simple Error Bars
Grouped Error Bars
Stacked Bars
Horizontal Bar Chart
Simple Bar
Grouped Bar
Simple Error Bars
Grouped Error Bars
Stacked Bars
Box Plot
Vertical Box Plot
Horizontal Box Plot
Pie Chart
Single Column
Contour Plot
XYZ Triplet
Many Z
XY Many Z
3D Scatter Plot
XYZ Triplet
Many Z
XY Many Z
3D Line Plot
3D Trajectory Plot
3D Waterfall Plot
3D Mesh Plot
XYZ Triplet
Many Z
XY Many Z
3D Bar Chart
Many Z
XY Many Z
Ternary Plot
Scatter
Line
Scatter and Line
Bubble Plot
XY Pair
Single Y
Single X
Statistics Graph
Point and Column Means
Scatter Plot Residuals
Standardized Residuals
Normal Probability Plot
 
 
SigmaPlot 已含以前SigmaStat之所有內建統計功能
敘述統計
t檢定 (雙母體t檢定)
z檢定
卡方檢定
F檢定
常態檢定
無母數檢定
ANOVA分析
迴歸分析
存活分析
檢定力
分析完後,報表會告訴您,結果是否顯著喔!
資料呈現方式
1. Raw Data (原始資料)
即每一欄代表一組樣本
例如第一欄為男生之身高 第二欄為女生身高
2. Indexed Data (索引資料)
即每一欄內含數組樣本之索引
例如第一欄內含男生女生之索引男生為1 女生為0
第二欄為為其對應之身高
第三欄為為其對應之體重
建議您使用Indexed Data (索引資料)可以有無窮的變化
3.Mean,Size,SD
有一些已處理好的資料,只有平均數,標準差,樣本數
可選此資料方式輸入
實際應用範例
One-Sample t-test
雙母體t檢定
例: 兩組病人的血糖資料的差異,(Unpaired t-test)檢定是最適合的
例: 新藥效用檢定,服藥前與服藥後之檢定(Before and After, paired t-test)
無母數檢定 檢定中位數 雙母體檢定(不服從常態分配)
Mann-Whitney Rank Sum Test 順序和檢定
例: 兩組病人的傷口長度資料 (不服從常態分配)
例: 病人服藥前與服藥後之傷口長度資料 (不服從常態分配 paired test)
Wilcoxon Signed Rank Test 符號檢定
ANOVA分析 (三種處理之比較)
One Way ANOVA 單因子變異數分析 (服從常態分配)
例: 三種藥物藥效比較
Two Way ANOVA 雙因子變異數分析 (服從常態分配)
例: 三種藥物藥效比較,也比較男性與女性
即因子有兩個 1.不同藥物 2.不同性別 3.也可有交互作用項
Three Way ANOVA 三因子變異數分析 (服從常態分配)
例: 三種藥物藥效比較,也比較男性與女性,也比較不同醫院
即因子有三個 1.不同藥物 2.不同性別 3.不同醫院 4.也可有交互作用項
Kruskal-Wallis One Way Analysis of Variance on Ranks
單因子變異數分析 (不服從常態分配) 為無母數檢定 比較中位數
例: 三種藥物藥效比較,但不服從常態分配
One Way ANOVA Repeated Measures 單因子變異數分析 重複測量 (服從常態分配)
使用目的：比較同一群體三個(含)以上的平均數的差異。
使用時機：每個受試者都有三次(含)以上的處理
例: 減肥藥A,B,C
小明小英小華吃完 減肥藥A後量一次,經過一各月後吃減肥藥B後量一次,經過一各月後吃減肥藥C後
量一次
此種稱為 單因子變異數分析 重複測量
Two Way ANOVA Repeated Measures 雙因子變異數分析 重複測量 (服從常態分配)
使用目的：比較同一群體三個(含)以上的平均數的差異。
使用時機：每個受試者都有三次(含)以上的處理
例: 減肥藥A,B,C 也比較男性與女性
小明小英小華吃完 減肥藥A後量一次,經過一個月後吃減肥藥B後量一次,經過一個月後吃減肥藥C後
量一次
Friedman Repeated Measures Analysis of Variance on Ranks
單因子變異數分析 重複測量 (不服從常態分配) 為無母數檢定 比較中位數
z檢定 z-test comparison of proportions
比較兩母體之比例是否有差異
輸入樣本數及比例,如下
Group 1: n= 61 P = 0.131
Group 2: n= 67 P = 0.149
建議您的樣本數要>30以上
且一定要服從常態分配才可以
卡方檢定 (列聯表) Chi-square
類別型表格資料檢定
建議您表格內的樣本數>5以上
費雪小樣本檢定 Fisher Exact Test (列聯表)
類似卡方檢定但是適用小樣本
不受樣本數>5以上之限制
McNemar's Test 無母數檢定 (列聯表)
是一種同一人之前後檢定(Before and After, paired t-test)
*(很容易不拒絕虛無假設)
Relative Risk 相對風險比
Odds Ratio 勝算比
迴歸分析 Linear Regression
簡單回歸 例: 身高=a+b*體重

多重回歸 Multiple Linear Regression
例: 身高=a+b*體重+c*性別

多項式回歸Polynomial Regression :
例: 身高=a+b*體重+c*體重^2
逐步回歸Stepwise Regression (向前,向後)
把所有的自變數納入模型後,再逐一檢定後剔除
或把自變數逐一納入模型後,再逐一檢定後剔除
最後留在模型內的都是顯著的自變數
最佳子集回歸 Best Subsets Regression
一種以 R squared 為指標的模型排序回歸方法
並將各模型之自變數比較
讓統計人員判斷選取最佳的模型
很類似逐步回歸
邏輯斯回歸 Logistic Regression
反應變數為 0 或 1 (不可其他的數值)
自變數可以連續或類別
提供四種檢定統計量
Pearson Chi-square Statistic
Likelihood Ratio Test Statistic
-2*Log(Likelihood)
Hosmer-Lemeshow Statistic
皮爾森相關係數
Pearson Product Moment Correlation
例如 血壓,身高,體重
注意皆須為連續型變數
史皮曼順序相關係數
Spearman Rank Order Correlation
是皮爾森相關係數的一個特例
是一種無母數檢定方法
常態檢定
利用Kolmogorov-Smirnov檢定法
若p-value>0.05即是服從常態分配
存活分析Survival Analysis: 提供三種常用的Kaplan-Meier 分析方法
1. Single Group
2. Log-Rank
2. KGehan-Breslow
存活分析英文操作PDF歡迎索取
存活分析之操作步驟範例
假設想探討某藥物對SARS的免疫效果
有Treated和Control 兩組
1代表發病,0表示沒發病,第一行的數字是小時
Treated
1484.0000 1.0000
195.0000 1.0000
1236.0000 1.0000
1257.0000 0.0000
703.0000 0.0000
Control
733.0000 0.0000
1164.0000 0.0000
980.0000 0.0000
824.0000 1.0000
792.0000 1.0000
放入SigmaPlot後 P value=0.6195
表示藥物對SARS的免疫效果不顯著!
Cox Regression - Proportional Harzards
Cox Regression - Stratified Model
Adjusted Survival Curves
Cumulative Hazard Curves
Log-Log Survival Curves
 
樣本數Sample Size
輸入 顯著水準 ,檢定力 , 檢定分法, 變異數 , 平均數之差 等相關參數後,即可計算樣本數

檢定力Power
輸入 顯著水準等相關參數後,即可計算檢定力
 
SigmaPlot t-test t檢定之 報表說明
資料來源
Data source: Unpaired t-test Data in Samples.snb
常態檢定 通過 因為p值>0.05
Normality Test: Passed (P = 0.567)
兩組樣本變異數相等檢定 通過 因為p值>0.05
Equal Variance Test: Passed (P = 0.745)
基本敘述統計 樣本數 遺失值 平均數 標準差 平均數之標準誤
Group Name N Missing Mean Std Dev SEM
male 8 0 3.138 0.272 0.0962
female 7 0 3.557 0.237 0.0896
兩組樣本之平均數差異
Difference -0.420
t檢定統計量=-3.16 自由度=8+7-2=13 p值=0.008
t = -3.160 with 13 degrees of freedom. (P = 0.008)
在95%的信賴區間下,平均數差異介於-0.707 to -0.133
95 percent confidence interval for difference of means: -0.707 to -0.133
所以SigmaPlot結論為,此兩組樣本之平均數
在統計是有顯著差異的!
The difference in the mean values of the two groups is greater than would be expected by chance;
there is a statistically significant difference between the input groups (P = 0.008).
在顯著水準0.05下, 檢定力為0.802
Power of performed test with alpha = 0.050: 0.802
 

SigmaPlot Paired t-test 配對t檢定之 報表說明
資料來源
Data source: Paired t-test Data in Samples.snb
常態檢定 通過 因為p值>0.05
Normality Test: Passed (P = 0.737)
基本敘述統計 樣本數 遺失值 平均數 標準差 平均數之標準誤
Treatment Name N Missing Mean Std Dev SEM
Before Class 7 0 61.143 9.839 3.719
After Class 7 0 77.714 9.429 3.564
Difference 7 0 -16.571 15.576 5.887
t檢定統計量=-2.815 自由度=7-1=6 p值=0.031
t = -2.815 with 6 degrees of freedom. (P = 0.031)
在95%的信賴區間下,平均數差異介於-30.977 to -2.166,
95 percent confidence interval for difference of means: -30.977 to -2.166
所以SigmaPlot結論為,此處理
在統計上是有顯著差異的! 因為p=0.031<0.05
The change that occurred with the treatment is greater than would be expected by chance; there is a
statistically significant change (P = 0.031)
在顯著水準0.05下, 檢定力為0.596
Power of performed test with alpha = 0.050: 0.596
檢定力為0.596低於所要的0.8,所以不可以過度解釋
The power of the performed test (0.596) is below the desired power of 0.800.
Less than desired power indicates you are more likely to not detect a difference when one actually
exists. Be cautious in over-interpreting the lack of difference found here.
 

SigmaPlot Mann-Whitney Rank Sum Test 雙母體無母數 檢定之 報表說明
資料來源
Data source: Mann-Whitney Rank Sum Test Data in Samples.snb
常態檢定 沒通過 因為p值<0.05
Normality Test: Failed (P < 0.050)
基本敘述統計 樣本數 遺失值 中位數 25%分位數 75%分位數
Group N Missing Median 25% 75%
Species A 8 0 110.000 7.500 223.000
Species B 7 0 279.000 4.500 288.750
p值= 0.281
T = 65.500 n(small)= 7 n(big)= 8 P(est.)= 0.298 P(exact)= 0.281
所以SigmaPlot結論為,此兩組樣本之中位數
在統計上無顯著差異的! 因為= 0.28>0.05
The difference in the median values between the two groups is not great enough to exclude the
possibility that the difference is due to random sampling variability; there is not a statistically
significant difference (P = 0.281)
 

Wilcoxon Signed Rank Test 單母體無母數 配對 檢定之 報表說明
資料來源
Data source: Wilcoxon Signed Rank Test Data in Samples.snb
常態檢定 沒通過 因為p值<0.05
Normality Test: Failed (P < 0.050)
基本敘述統計 樣本數 遺失值 中位數 25%分位數 75%分位數
Group N Missing Median 25% 75%
Before 7 0 21.000 10.250 22.000
After 7 0 6.000 2.750 20.500

p值= 0.219
W= -16.000 T+ = 6.000 T-= -22.000 P(est.)= 0.202 P(exact)= 0.219
所以SigmaPlot結論為,此兩組樣本之中位數
在統計上無顯著差異的! 因為= 0.219>0.05
The change that occurred with the treatment is not great enough to exclude the possibility that it is
due to chance (P = 0.219).
 
SigmaPlot 單因子變異數分析 報表說明
One Way Analysis of Variance
資料來源
Data source: One Way ANOVA Data in Samples.snb
常態檢定 通過 因為p值>0.05
Normality Test: Passed (P = 0.812)
樣本變異數相等檢定 通過 因為p值>0.05
Equal Variance Test: Passed (P = 0.178)
基本敘述統計 樣本數 遺失值 平均數 標準差 平均數之標準誤
Group Name N Missing Mean Std Dev SEM
Species A 4 0 4.500 1.291 0.645
Species B 5 0 9.400 2.702 1.208
Species C 5 0 4.000 2.236 1.000
變異數分析表
變異數來源 自由度 平方和 平均平方和 F統計量 p值
Source of Variation DF SS MS F P
Between Groups 2 86.729 43.364 8.801 0.005
Residual 11 54.200 4.927
Total 13 140.929
所以SigmaPlot結論為,這幾組樣本中之平均數
在統計上是有顯著差異的! 因為p=0.008<0.05
The differences in the mean values among the treatment groups are greater than would be expected
by chance; there is a statistically significant difference (P = 0.005).
在顯著水準0.05下, 檢定力為0.882 > 0.8
Power of performed test with alpha = 0.050: 0.882
所有各組多重比較,於顯著水準0.05之下
All Pairwise Multiple Comparison Procedures (Holm-Sidak method):
Overall significance level = 0.05
Comparisons for factor:
Comparison Diff of Means t Unadjusted P Critical Level Significant
Species B vs. Species C 5.400 3.846 0.00272 0.017 有顯著差異Yes
Species B vs. Species A 4.900 3.291 0.00720 0.025 有顯著差異Yes
Species A vs. Species C 0.500 0.336 0.743 0.050 無顯著差異No
 
 
SigmaPlot 雙因子變異數分析 報表說明
Two Way Analysis of Variance
資料來源
Data source: Two Way ANOVA Data in Samples.snb
平衡設計
Balanced Design
反應變數為 Reaction
Dependent Variable: Reaction
常態檢定 通過 因為p值>0.05
Normality Test: Passed (P = 0.435)
樣本變異數相等檢定 通過 因為p值>0.05
Equal Variance Test: Passed (P = 0.959)
變異數分析表
變異數來源 自由度 平方和 平均平方和 F統計量 p值
Source of Variation DF SS MS F P
Gender 1 27.301 27.301 250.084 <0.001
Drug 1 0.301 0.301 2.756 0.135
Gender x Drug 1 5.468 5.468 50.084 <0.001
Residual 8 0.873 0.109
Total 11 33.942 3.086

所以SigmaPlot結論為,
這幾組樣本中之平均數Gender
在統計上是有顯著差異的! 因為p<0.001
The difference in the mean values among the different levels of Gender is greater than would be
expected by chance after allowing for effects of differences in Drug. There is a statistically
significant difference (P = <0.001). To isolate which group(s) differ from the others use a multiple
comparison procedure.
這幾組樣本中之平均數Drug
在統計上是沒有顯著差異的! 因為p=0.135>0.05
The difference in the mean values among the different levels of Drug is not great enough to exclude
the possibility that the difference is just due to random sampling variability after allowing for the
effects of differences in Gender. There is not a statistically significant difference (P = 0.135).
交互作用項也是顯著的
The effect of different levels of Gender depends on what level of Drug is present. There is a
statistically significant interaction between Gender and Drug. (P = <0.001)
在顯著水準0.05下,之 檢定力為
Power of performed test with alpha = 0.0500: for Gender : 1.000
Power of performed test with alpha = 0.0500: for Drug : 0.207
Power of performed test with alpha = 0.0500: for Gender x Drug : 1.000
 
 
SigmaPlot 三因子變異數分析 報表說明
Three Way Analysis of Variance
資料來源
Data source: Three Way ANOVA Data in Samples.snb
平衡設計
Balanced Design
反應變數為
Dependent Variable: Data
常態檢定 通過 因為p值>0.05
Normality Test: Passed (P = 0.401)
樣本變異數相等檢定 通過 因為p值>0.05
Equal Variance Test: Passed (P = 0.757)
變異數分析表
變異數來源 自由度 平方和 平均平方和 F統計量 p值
Source of Variation DF SS MS F P
Factor 1 1 12.830 12.830 0.192 0.665
Factor 2 1 8.029 8.029 0.120 0.732
Factor 3 1 285.479 285.479 4.281 0.049
Factor 1 x Factor 2 1 106.705 106.705 1.600 0.218
Factor 1 x Factor 3 1 2.389 2.389 0.0358 0.851
Factor 2 x Factor 3 1 24.047 24.047 0.361 0.554
Factor 1 x Factor 2 x Factor 3 1 267.865 267.865 4.017 0.056
Residual 24 1600.516 66.688
Total 31 2307.861 74.447
所以SigmaPlot結論為,
這幾組樣本中之因子
Factor 1在統計上是不顯著的! 因為p>0.05
Factor 2在統計上是不顯著的! 因為p>0.05
Factor 3在統計上是有顯著的! 因為p<0.05
因為低階有不顯著的存在,所以不討論交互項
刪除低階不顯著因子項後,再做
等所有低階因子顯著後,再討論交互項

SigmaPlot 單因子順序 變異數分析 報表說明
Kruskal-Wallis One Way Analysis of Variance on Ranks :31
資料來源
Data source: Kruskal-Wallis Data in Samples.snb
常態檢定 沒通過 因為p值<0.05
Normality Test: Failed (P < 0.050)
基本敘述統計 樣本數 遺失值 中位數 25%分位數 75%分位數
Group N Missing Median 25% 75%
1 meter 6 0 2.500 1.000 7.000
5 meters 6 0 8.500 6.000 16.000
10 meters 6 0 16.500 15.000 22.000
H = 8.265 with 2 degrees of freedom. (P = 0.016)
所以SigmaPlot結論為,此三組樣本之中位數
在統計上有顯著差異的! 因為 0.05>0.016
The differences in the median values among the treatment groups are greater than would be
expected by chance; there is a statistically significant difference (P = 0.016)
To isolate the group or groups that differ from the others use a multiple comparison procedure.

各組多重比較
All Pairwise Multiple Comparison Procedures (Tukey Test):
Comparison Diff of Ranks q P<0.05
10 meters vs 1 meter 53.000 4.053 Yes 顯著
10 meters vs 5 meters 25.000 1.912 No不顯著
5 meters vs 1 meter 28.000 2.141 No不顯著
 
 
使用SigmaPlot軟體台灣之應用及研究範例:
以15個STR基因進行台灣地區漢人手足關係鑑定
臺灣大學
甲醇蒸氣重組反應之複雜反應網路分析
大同大學
2D網格流場視算系統之開發與應用
國立臺灣海洋大學
過渡金屬硫化合物摻雜金
國立臺灣海洋大學
以原級標準量測技術量測放射性核種活度之研究
國立清華大學
利用垂直式Bridgman法成長Ga2(Se1-xTex)3晶體及其特性探討
國立東華大學
Cu(AlxIn1-x)S2(0?x?1)系列晶體能隙特性之非對稱光學研究
國立東華大學
氧化鎵及摻氮氧化鎵奈米結構之光學特性研究
國立東華大學
外國人引導之三向語言互動:以台灣之大學部英語學習者為例
國立成功大學
黴菌逸散特性之研究
逢甲大學
台江地區運輸部門節能潛力之研究
立德大學
光電材料氧化鋅及能源材料二硫化銅銦之光學性質研究
國立東華大學
大頭金蠅與紅顏金蠅之產卵偏好研究
臺灣大學
以奈米結構提升有機太陽能電池效率之模擬與實驗
臺灣大學
桃園地區埤塘水質特性與操作管理現狀關聯之研究
萬能科技大學
群集大小對棕沙燕繁殖之影響
國立嘉義大學
合歡山地區不同棲地類型之蝶類群聚研究
國立嘉義大學
地震引致人員罹難之變異性分析─以集集地震為例
國立中央大學
FeS2+/0/-的電子和結構性質
國立中正大學
棕沙燕在八掌溪河岸的棲地選擇與群集繁殖
國立嘉義大學
台灣汽機車耗能與CO2排放的影響
淡江大學
積分型逆向應答程序之PI/PID控制器調諧
東海大學
綠豆芽生長環境控制因子與生產模式之研究
中興大學
利用衍伸性光電二極體模型、可調適性頻譜響應及提高響應度達成前瞻型互補式金屬氧化物半導體影像感測器
國立中正大學
現行臺灣土壤磷速測法與作物施肥推薦量之再評估
臺灣大學
循環式流體化床中氣固流力行為之小波分析
臺灣大學
雜質對過渡金屬二硒單晶之非等向電傳導及光學特性影響之研究
國立臺灣海洋大學
晶質與非晶質砷之硫屬化合物光學研究
國立東華大學
二硫化鐵及其摻鎳系列晶體之特性研究與分析
國立東華大學
鹿角塗面複方與四種中草藥天門冬、白朮、白芷、白蘞萃取物之抗老化與美白有效性評估
國立臺灣海洋大學
none
國立中正大學
二氧化鋨和過渡金屬二硫化物ReS2:Mo及WS2:Re的單晶成長與其物性研究
國立台灣科技大學
羽球終端速度之力學分析研究
國立高雄師範大學
使用Fuzzy Logic改善IEEE 802.11換手延遲
國立東華大學
複雜反應網路之通用速率式及其應用
大同大學
*IUdR於肝腫瘤細胞核之輻射劑量評估-於荷肝腫瘤老鼠之肝動脈治療模式
國立陽明大學
界面活性劑形成微胞之焓變化量測研究
國立臺灣大學
不同形式維生素B6對血小板膜GPIIb/IIIa接受器結合度與抗血小板凝集研究
國立成功大學
熟雞肉系統中李斯特菌及耶爾辛尼腸炎桿菌預測生長模式之建立及其應用
國立中興大學
培養基自動分裝機構之研發
國立中興大學
四湖海岸木麻黃林的養分動態
國立中興大學

很抱歉打擾您! 我們是全傑科技. 謝謝您之前詢問SigmaPlot 
以下是實際使用本軟體部分的論文範例， 請您參考

王家畯（2021）。電化學加工於機匣外型之數值模擬分析。﹝碩士論文。國立成功大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/5mss4a。

蘇怡如（2020）。金屬模具製造業勞工金屬鎳之暴露與風險評估。﹝碩士論文。中山醫學大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/d55925。

吳俐嫻（2018）。二十碳五烯酸藉由調控吲哚胺2,3雙加氧酶表現抑制腫瘤免疫耐受性。﹝碩士論文。中國醫藥大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/3a642c。

余宗（2017）。金屬與介電質層狀結構光學性質分析之研究。﹝碩士論文。國立臺灣師範大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/yqc83d。

趙樹禮（2015）。以標準假體檢測評估同廠牌雙能量骨

本網頁部分內容之版權全傑科技股份有限公司所有，請尊重智慧財產權！
著作權所有，請勿轉載，侵害必究．