SPSS数据正态性检验解析.pptVIP

SPSS数据正态性检验解析;例：请对某大学学生的身高资料进行分析，是否符合正态分布;1.;结果部分：;;解读： P-P图反映了变量的实际累积概率与理论累积概率的符合程度，Q-Q图反映了变量的实际分布与理论分布的符合程度，两者意义相似，都可以用来考察数据资料是否服从某种分布类型。若数据服从正态分布，则数据点应与理论直线（即对角线）基本重合。 本例数据很多不在参考线上，不符合正态分布，与前W检验结果一致。;1、我们的市场行为主要的导向因素，第一个是市场需求的导向，第二个是技术进步的导向，第三大导向是竞争对手的行为导向。 2、市场销售中最重要的字就是“问”。 3、现今，每个人都在谈论着创意，坦白讲，我害怕我们会假创意之名犯下一切过失。 4、在购买时，你可以用任何语言；但在销售时，你必须使用购买者的语言。 5、市场营销观念：目标市场，顾客需求，协调市场营销，通过满足消费者需求来创造利润。**** 6、我就像一个厨师，喜欢品尝食物。如果不好吃，我就不要它。***** 7、我总是站在顾客的角度看待即将推出的产品或服务，因为我就是顾客。*** 8、利人为利已的根基，市场营销上老是为自己着想，而不顾及到他人，他人也不会顾及你。**** ;注意： 事实上，Shapiro-Wilk检验及Kolmogorov-Smirnov检验从实用性的角度，远不如图形工具进行直观判断好用。在使用这两种检验方法的时候要注意： 当样本量较少的时候，检验结果不够敏感，即使数据分布有一定的偏离也不一定能检验出来； 当样本量较大的时候，检验结果又会太过敏感，只要数据稍微有一点偏离，P值就会0.05，检验结果倾向于拒绝原假设，认为数据不服从正态分布。 如果样本量足够多，即使检验结果P0.05，数据来自的总体也可能是服从正态分布的。 因此，在实际的应用中，往往会出现这样的情况，明明直方图显示分布很对称，但正态性检验的结果P值却0.05，拒绝原假设认为不服从正态分布。此时建议不要太刻意追求正态性检验的P值，一定要参考直方图、P-P图等图形工具来帮助判断。很多统计学方法，如T检验、方差分析 等，与其说要求数据严格服从正态分布，不如说“数据分布不要过于偏态”更为合适。 经验法： 一般正态分布的标准差不会大于均值的1/3,这是目测判断法，最终还是要经过检验，但如果标准差都大于均数，一般不太可能正态分布。 ;发现异常值！;部分案例参考精鼎数据分析联盟、医咖会，详细文章请参考相关微信公众号