SPSS正态性检验方法.docxVIP

精品资料 精品资料 正态性检验方法的比较 理论部分 正态分布是许多检验的基础，比如 F 检验， t 检验，卡方检验等在总体不是正太分 布是没有任何意义。因此，对一个样本是否来自正态总体的检验是至关重要的。当然， 我们无法证明某个数据的确来自正态总体，但如果使用效率高的检验还无法否认总体 是正太的检验，我们就没有理由否认那些和正太分布有关的检验有意义，下面我就对 正态性检验方法进行简单的归纳和比较。 一、图示法 P-P 图 以样本的累计频率作为横坐标，以按照正态分布计算的相应累计概率作为纵坐标， 以样本值表现为直角坐标系的散点。如果数据服从正态分布，则样本点应围绕第一象 限的对角线分布。 Q-Q 图 以样本的分位数作为横坐标，以按照正态分布计算的相应分位点作为纵坐标，把 样本表现为直角坐标系的散点。如果数据服从正太分布，则样本点应围绕第一象限的 对角线分布。 以上两种方法以 Q-Q 图为佳，效率较高。 直方图（频率直方图） 判断方法：是否以钟型分布，同时可以选择输出正态性曲线。 箱线图 判断方法：观察矩形位置和中位数 ,若矩形位于中间位置且中位数位于矩形的中间 位置，则分布较为对称，否则是偏态分布 茎叶图 判断方法：观察图形的分布状态，是否是对称分布。 二、偏度、峰度检验法（冒牌 K-S检验法）： S，K的极限分布 样本偏度系数s二皀;该系数用于检验对称性，S0时，分布呈正偏态，S0 （B2 F 时，分布呈负偏态。 样本峰度系数K =昱-3 ；该系数用于检验峰态，K0时为尖峰分布，S0时为 （B2 ） 扁平分布；当S=0，K=0时分布呈正态分布。 ■：o: F（x）服从正态分布 Hi: F（x）不服从正态分布 当原假设为真时，检验统计量 S k 其中对于给定的:，R J.?S | . ■ _. 其中 V6/n Jarque-Bera检验（偏度和峰度的联合分布检验法） 检验统计量为JB二匸k S2 -K2 ?- 2 2，JB过大或过小时，拒绝原假设。 6 1 4 丿 * 三、非参数检验方法 Kolmogorov-Smirnov 正态性检验（基于经验分布函数（ECDF ）的检验） D =max| Fn x -F0 x | Fn x表示一组随机样本的累计概率函数，F。x表示分布的分布函数。 当原假设为真时， D的值应较小，若过大，则怀疑原假设，从而，拒绝域为 R={D d}。对于给定的 0，p = p{D ，又 p = P{Dn 色 Dn} Lilliefor正态性检验 该检验是对Kolmogorov-Smirnov 检验的修正，参数未知 时，由？ = X,；?2二s2可计算得检验统计量Dn的值。 Shapiro-Wilk(W 检验) 检验统计量: n _ _ n _ _ I ai -a Xi -X 当原假设为真时，W的值应接近于1,若值过小，则怀疑原假设，从而拒绝域为 R = W - 0：。在给定的二水平下 P :W - c：二二。 2拟合优度检验（也是基于经验分布函数（ECDF ）的检验） 检验统计量为 」-(^-Pi)y Pi 」-(^-Pi) y Pi n 2 J (fi - npj2 k -1) k 二冷?） -? (￡ -n?)2 id n? r是被估参数的个数 若原假设为真时，2应较小，否则就怀疑原假设，从而拒绝域为 R珂2_d｝，对 于给定的:，P｛ 2 _d｝「又 p 二 P｛ 2 一 V2｝。 四、方法的比较 图示法相对于其他方法而言，比较直观，方法简单，从图中可以直接判断，无 需计算，但这种方法效率不是很高，它所提供的信息只是正态性检验的重要补充。 经常使用的2拟合优度检验和Kolmogorov-Smirnov检验的检验功效较低，在 许多计算机软件的Kolmogorov-Smirnov检验无论是大小样本都用大样本近似的公式， 很不精准，一般使用 Shapiro-Wilk检验和Lilliefor检验。 Kolmogorov-Smirnov 检验只能检验是否一个样本来自于一个已知样本，而 Lilliefor检验可以检验是否来自未知总体。 Shapiro-Wilk检验和Lilliefor检验都是进行大小排序后得到的，所以易受异常值 的影响 Shapiro-Wilk检验只适用于小样本场合(3沙乞50),其他方法的检验功效一般 随样本容量的增大而增大。 2拟合优度检验和Kolmogorov-Smirnov检验都采用实际频数和期望频数进行 检验，前者既可用于连续总体，又可用于离散总体，而Kolmogorov-Smirnov检验只适 用于连续和定量数据。 2拟合优度检验的检验结果依赖于分组，而其他方法的检验结果与区间划分无 关。 偏度和峰度检验易受异常值的影响，检验功效就会降低。 9?假设检验的目的是拒绝原假设，当p值不