spss_数据正态分布检验方法及意义要点.pdfVIP

spss 数据正态分布检验方法及意义判读 要观察某一属性的一组数据是否符合正态分布，可以有两种方法（目前我知道这两种，并且这两种方法只是直观观察，不是定量的正态分布检验）： 1：在 spss 里的基本统计分析功能里的频数统计功能里有对某个变量各个观测值的频数直方图中可以选择绘制正态曲线。具体如下： AnalyzeDescriptive S tatisticsFrequencies ，打开频数统计对话框，在 Statistics 里可以选择获得各种描述性的统计量，如：均值、方差、分位数、峰度、标准差等各种描述性统 计量。在 Charts 里可以选择显示的图形类型，其中 Histograms 选项为柱状图也就是我们说的直方图，同时可以选择是否绘制该组数据的正态曲线（ With nor ma curve ），这样我们可以直观观察该组数据是否大致符合正态分布。如下图： 从上图中可以看出，该组数据基本符合正态分布。 2 ：正态分布的 Q-Q 图：在 spss 里的基本统计分析功能里的探索性分析里面可以通过观察数据的 q-q 图来判断数据是否服从正态分布。 具体步骤如下： AnalyzeDescriptive StatisticsExplore 打开对话框，选择 Plots 选项，选择 Normality plots with tests 选项，可以绘制该组数据的 q-q 图。图的横坐标为改变量的观测值，纵坐标为分位数。若该组数据服从正态分布，则图中的点应该靠近图中直线。 纵坐标为分位数，是根据分布函数公式 F(x)=i/n+1 得出的 .i 为把一组数从小到大排序后第 i 个数据的位置， n 为样本容量。若该数组服从正态分布则其 q-q 图应 该与理论的 q-q 图（也就是图中的直线）基本符合。对于理论的标准正态分布，其 q-q 图为 y=x 直线。非标准正态分布的斜率为样本标准差，截距为样本均值。 如下图： 如何在 spss中进行正态分布检验 1(转 )(2009-07-22 11:11:57) 标签： 杂谈 一、图示法 1、P-P 图 以样本的累计频率作为横坐标， 以安装正态分布计算的相应累计概率作为纵坐标， 把样 本值表现为直角坐标系中的散点。 如果资料服从整体分布， 则样本点应围绕第一象限的对角 线分布。 2、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 现为指教坐标系的散点。 如果资料服从正态分布， 则样本点应该呈一条围绕第一象限对角线 的直线。 以上两种方法以 Q-Q 图为佳，效率较高。 3、直方图 判断方法：是否以钟形分布，同时可以选择输出正态性曲线。 4、箱式图 判断方法：观测离群值和中位数。 5、茎叶图 类似与直方图，但实质不同。 二、计算法 1、偏度系数（ Skewness）和峰度系数（ Kurtosis ） 计算公式： 表示偏度， g 表示峰度，通过计算 g1 和 g2 及其标准误 σ 及 σ 然后作 U 检验。两 g1 2 g1 g2 种检验同时得出 UU0.05=1.96 ，即 p0.05 的结论时，才可以认为该组资料服从正态分布。由 公式可见，部分文献中所说的“偏度和峰度都接近 0……可以认为……近似服从正态分布” 并不严谨。 2、非参数检验方法 非参数检验方法包括