正态性检验和正态转换的方法以与在SPSS中的实现.docxVIP

正态性检验的方法以及在 SPSS中的实现 SPSS中的实现，此外，还将 SPSS中的实现，此外，还将 提及将非正态分布转化为正态分布的方法，以及选择转化方法的依据。 正态检验方法 正态检验方法 观察分布，预先判断 先做直方图看看是否大概符合正态分布， Graph--legacy dialogs--histogram-- 选入变量 --》 OK.如 果距离正态分布的样子太远了，就不要做以下工作了。 计算偏度 (Skewness) 和峰度 (Kurtosis) ，当它们接近 0 时，为正态 这是一种比较直观的方法，用于初步判断。 在 SPSS用菜单栏 Analyze—Reports—Case Summaries分析过程 Statistics 的选择项中计算偏度 (Skewness)和峰度 (Kurtosis) ; 通过 Analyze— Reports — Report Summaies in Row s 分析过程 Report 的 Summary 的选择项 计算偏度、峰度；或者通过 Reprts— Report Summaries in Columns 分析过程的 Summary 选 择项计算偏度和峰度 ; 通过 Analyze— Descriptive Statistics — Frequencies 分析过程的 Statistics 的选择项 Distribution 中计算偏度、峰度 ; 通过 Analyze— Descriptive Statist ics — Descr iptives 分析过程的 Opt ions 的选择项 Distribution 中计算偏度、峰度 ; 通过 Analyze—Compare means — means 分析过程的 Options 的选择项 Statistics 中选择统计 量 Skewness (偏度 )、 Kurto sis (峰度 )来对数据资料进行正态性检验。 附偏度和峰度统计意义 : 偏度主要是研究分布形状是否对称 : 约等于 0 则可以认为分布是对称的； 0 则可以认为右偏态，此时在均值右边的数据更为 分散； 0 则可以认为左偏态，此时在均值左边的数据更为分散。 峰度它是以正态分布为标准，比较两侧极端数据分布情况的指标： 等于 0 说明该变量分布的峰态正合适，不胖也不瘦(正态分布) ， 0 此说明该变量的分布 峰态太陡峭(瘦高个) ；反之，如果 Kurtosis 为负值，该变量的分布峰态太平缓(矮胖子) 。 用正态概率图的 P-P 或 Q-Q 法对数据资料进行正态性检验。 P-P 图和 QQ 图可以判断的分布很多，对于正态分布的检验也不仅限于标准正态分布。 P-P 图是根据变量的累积概率对应于所指定的理论分布累积概率绘制的散点图， 用于直观地检测样本 则代表样本数据的 点应当基数据是否符合某一概率分布。 如果被检验的数据符合所指定的分布， 本在对角线上 。 则代表样本数据的 点应当基 Q-Q图的结果与 P-P图非常相似，只是 P-P图是用分布的累计比， 而 Q-Q 图用的是分布的分 位数来做检验。和 P-P图一样，如果数据为正态分布，则在 Q-Q 正态分布图中，数据点应基本在 图中的对角线上。 用非参数分析方法 （Nonparametr ic Tests） 对数据资料进行正态性检验 正态检验属于非参数检验（分布类型未知的检验），原假设是“样本来自的总体与正态分 布无显著性差异，即样本符合正态分布”。正态分布的非参数检验具体方法有两种， 依据样本大 小选择合适的检验： 大样本（ 50 个样本以上） 用 K-S检验，小样本（ 50 个样本以下） 用 Shapiro-Wilk 检验。 在 SPSS中的实现有两处，一处是使用 Descriptive Statistics-Explore （ Shapiro-Wilk 检验只在 这里），点 Plot 按钮， 选中 Normal plot with test 这样就可以对选择的变量进行正态性检验了 ,读取 结果时， sig.0.05（0.01,0.1） 时说明显著，即符合正态分布；一种是使用 Non-parametic Test-1 Sample K-S Tes。t 注意以上两处进行 K-S检验的区别 ：在‘ Explore 里出现的 Kolmogorov-Smirnov 检验，它 的右上角有一个 a 的注释号，下面的介绍表明它是经过 Lilliefors 改进或纠正的结果，它将 Kolmogorov-Smirnov 检 验 改 进 用 于 一 般 的 正 态 性 检 验 ； 而 在 ‘ 非 参 数 检 验 里 出 现 的 Kolmogorov-Smirnov 检验，是没有经过纠正或改进的，该正态性检验只能做标准正态检验。由以