在SPSS10_0中进行数据资料正态性检验的方法
SPSS操作步骤全
两组患者生存时间（月）
无淋巴细胞转移
有淋巴细胞转移
时间 秩次
时间 秩次
12
4.5
5
1
25
10
8
2
27
11
12
4.5
29 12.5
12
4.5
38
17
12
4.5
42
19
17
7
46 20.5
21
8
46 20.5
24
9
56
23
29 12.5
60
24
30
14
34
15
36
16
40
18
48
22
n1=10 T1=162
9 ok
10 统计结果
11 结果解释
卡方检验SPSS操作
二 配对四格表的卡方检验 （配对设计）
1 输入数据
指定频数变量
2 选择Analyze菜单
3 描述统计过程
4 crosstabs过程
5 选行变量 列变量
6 statistics按钮
甲法 乙法
7 选择mcnemar
10 统计结果
抗体滴度 气雾组（亿/ml） 皮下注 合 平均
80
100
射组 计 秩次 80
1:10
2
4
2
8 4.5
9
1:20
15
7
1 31 20 300
1:40
10
12
13 66 49 490
1:80
5
7
9 87 77 385
1:160
1
2
5 95 91.5 91.5
2010级SPSS试题
一．单项选择题1.多因素方差分析中观测变量总的离差平方和不包括（）A.多个控制变量单独作用引起的离差平方和B.多个控制变量交互作用引起的离差平方和C.其它随机因素引起的离差平方和D.观测变量的非自然因素引起的离差平方和2. SPSS默认的字符型变量的对齐方式是（）A. 右对齐B. 中间对齐C. 左对齐D. 以上说法都不对3.下列函数分布中，单样本的K-S检验不能将一个变量的实际频数分布与之比较的是（）A.泊松分布B.均匀分布C. 正态分布D. 二项分布4. SPSS中创建数据文件时不能用来作为变量名的是（）A. allB. abc1C. nameD. allby5. 线性回归分析对回归方程的检验不包括（）A. 拟合优度检验B. 回归方程的显著性检验C. 回归系数的显著性检验D. 回归系数的相关性检验6. SPSS曲线估计中没有提供的曲线方程有（）A. 指数函数B. 三次多项式C. 幂函数D. 三角函数7. 一个生产罐头食品的公司，某批500瓶罐头的中位数为498g，其含义是（变形）A. 500 瓶罐头的平均含量为每瓶498gB. 500 瓶罐头中，含量为498g的瓶数最多C. 500 瓶罐头中含量最多的一瓶为498gD. 250 瓶罐头的含量小于等于498g8. 下列统计量中不属于描述样本数据离散程度的是（）A. 方差B. 标准差C. 众数D. 极差9. SPSS是一个模块化的软件，其扩充模块不包括（）A. SPSS Statistics Base模块B. Categories模块C. Advanced Statistics模块D. Conjoint模块10. 在交叉列联表分析中，SPSS提供的相关系数的检验方法不包括（）A. 卡方统计检验B. 列联系数C. V系数D. S系数11. 在系统聚类分析中，衡量样本数据与小类、小类与小类之间亲疏程度的方法不包括（）A. 最短距离法B. 中间距离法C. 离差平方和D. 平均距离法12. 再信度分析实质是求同一量表在两次测试的相关系数，下列说法中错误的是（）A. 所测量的特质必须稳定B. 遗忘和练习的效果相同C. 两次测试期间被试者对问题的熟悉情况没有差别D. 以上说法都不正确13. 时间序列分析中利用转换菜单中的替换缺失值命令对缺失值进行补充的方法不包括（）A. 序列平均值B. 临近点均值法C. 线性插值法D. 临近点众数法14. 利用ANOV A 进行大、中、小城市的16岁女性青年的平均身高的比较，结果给出sig.=0.043，说明（）A. 按照0.05显著性水平，三类城市16岁女性青年的身高没有显著差别B. 按照0.05显著性水平，三种城市16岁女性青年的身高有显著差异C. 大城市和中城市16岁女性青年的平均身高没有差别利用D. 大城市和小城市16岁女性青年的平均身高没有差别利用15. 做线性回归分析得如下的模型汇总表，则以下说法正确的是（）A. 模型1的拟合程度最好B. 模型2的拟合程度最好C. 模型3的拟合程度最好D. 无法判断16.关于Recode和Automatic Recode的说法正确的是（）A.前者的码字可以自己定义B.后者的码字可以自己定义C.前者的码字不可以自己定义D.以上说法都不对17. SPSS的主要变量类型不包括（）A. 数值型B.字符型C. 日期型D. 英镑型λ=的泊松分布的有（）18.下面能检验一个样本服从2A. T检验B.卡方检验C. K-S检验D. 游程检验19. 利用线性回归分析算得回归方程式：y=80x1-2.53x2+57x3，以下说法中错误的是（）A.x1、x2和x3三个因素中，x2是对y 影响最小的因素B.在其它因素不变的情况下，x1 增加1个单位，y 增加80个单位C.x2和y变量为正直线相关D. x1、x2 和x3三个因素均对y有显著影响20.SPSS中无效的变量名有（）A. @a1B. abc1#C.*homeD. cd_121.SPSS中的缺失值的替代方式不包括（）A. 用变量的所有非缺失值的均数代替B. 用缺失值相邻点的非缺失值的中位数代替C. 用缺失值相邻两点的非缺失值的中点值代替D. 用线性插值方式确定替代值22. SPSS的基本运行方式不包括（）A. 程序运行方式B. Include命令方式C. 完全窗口菜单运行方式D. 批处理运行方式23. 某公司生产的一批10000件产品质量的众数为498g，则（）A. 10000 件产品的平均质量为498gB. 10000 件产品中，质量为498g的件数最多C. 10000 件产品中质量最大的为498gD. 10000 件产品中有5000件的质量小于等于498g24. 下列关于方差、峰度和偏度的说法中错误的是（）A. 方差是所有变量值与平均数偏差平方的平均值B. 峰度是描述变量所有取值分布形态陡缓程度的统计量C. 偏度是描述变量所有取值分布对称性的统计量D. 除了偏度，方差和峰度都可以Analyze菜单的Descriptives计算25. 关于利用Sort by 对数据排序的描述错误的有（）A. 排序变量可以是多个B. 排序变量最多一个C. 排序变量为多个时先按第一个排序，取值相同的再按第二个排，以此类推D. 观测个体所有变量的值都变到新位置26. SPSS作图中，下列不属于条形图的有（）A. 简单条形图B. 堆栈条形图C. 复合条形图D. 差异区域图27. 关于样本的T 检验和非参数检验的说法正确的有 （ ）A. T 检验要求样本服从或者近似服从正态分布B. 非参数检验要求样本服从或者近似服从正态分布C. 两种检验都要求样本服从或者近似服从正态分布D. 两种检验都不要求样本服从或者近似服从正态分布28. SPSS 软件的编辑窗口能打开的文件类型有 （ ）A. *.stB. *.docC. *.xlsD. *.mat29. 两个独立样本的检验若采用cut point （如下图）对分类变量A 进行分组，并输入数值3，则分组的结果是 （ ）A. 变量取值大于3的个案为一组，取值小于等于3的为一组B. 变量取值大于等于3的个案为一组，取值小于3的为一组C. 变量取值大于3的个案为一组，取值小于3的为一组D. 以上说法都不对30. 多个配对样本的非参数检验方法不包括 （ ）A. Friendman 检验B. Kendall′s W 检验C. Cochran′s Q 检验D. Wilcoxon 检验31. 在合并a.sav 和b.sav 为ab.sav( 见下)时，是增加 。
SPSS统计分析1：正态分布检验
正态分布检验一、正态检验的必要性[1]当对样本是否服从正态分布存在疑虑时，应先进行正态检验；如果有充分的理论依据或根据以往积累的信息可以确认总体服从正态分布时，不必进行正态检验。
当然，在正态分布存疑的情况下，也就不能采用基于正态分布前提的参数检验方法，而应采用非参数检验。
二、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。
三、计算法1、峰度（Kurtosis）和偏度（Skewness）（1）概念解释峰度是描述总体中所有取值分布形态陡缓程度的统计量。
这个统计量需要与正态分布相比较，峰度为0表示该总体数据分布与正态分布的陡缓程度相同；峰度大于0表示该总体数据分布与正态分布相比较为陡峭，为尖顶峰；峰度小于0表示该总体数据分布与正态分布相比较为平坦，为平顶峰。
峰度的绝对值数值越大表示其分布形态的陡缓程度与正态分布的差异程度越大。
峰度的具体计算公式为：注：SD就是标准差σ。
峰度原始定义不减3，在SPSS中为分析方便减3后与0作比较。
偏度与峰度类似，它也是描述数据分布形态的统计量，其描述的是某总体取值分布的对称性。
这个统计量同样需要与正态分布相比较，偏度为0表示其数据分布形态与正态分布的偏斜程度相同；偏度大于0表示其数据分布形态与正态分布相比为正偏或右偏，即有一条长尾巴拖在右边，数据右端有较多的极端值；偏度小于0表示其数据分布形态与正态分布相比为负偏或左偏，即有一条长尾拖在左边，数据左端有较多的极端值。
spss_数据正态分布检验方法及意义
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：Analyze-----Descriptive S tatistics-----Frequencies，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：Analyze-----Descriptive Statistics-----Explore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。
spss秩和检验
秩和检验前面介绍的均数的区间估计及假设检验，都是要求个体变量值服从正态分布，或根据中心极限定理，当样本较大时，样本均数服从正态分布。
这种要求样本来自总体分布型是已知的，在此基础上对总体参数进行估计或检验，称为参数统计（parametric statistics）。
但在医学研究中，许多数据不符合参数统计的要求，这时有两种处理的方法。
一是，进行数据转换，使其符合参数统计方法的要求。
二是，选择非参数检验方法，非参数检验(non-parametric test)方法是对样本来自的总体分布不作要求（如不要求样本来自正态分布）的一类假设检验方法。
非参数检验的主要优点是对样本的总体分布不作要求，适用的围广，尤其是当变量中有不确定数值时，如<0.5mg,可用非参数检验。
同时，非参数检验方法存在其致命的缺点，其检验功效低于相应的参数统计方法。
因此，如果数据符合参数统计的要求首选参数统计方法；如果数据不符合参数统计的要求有两个选择，一是选择非参数检验方法。
下面介绍了属于非参检验的两种秩和检验（rank sum test）方法。
二是，将数据经过变换使其符合参数统计方法，再选择参数统计方法，本节介绍了几种数据变换方法。
应用条件①总体分布形式未知或分布类型不明；②偏态分布的资料：③等级资料：不能精确测定，只能以严重程度、优劣等级、次序先后等表示；④不满足参数检验条件的资料：各组方差明显不齐。
⑤数据的一端或两端是不确定数值，如“>50mg”等。
一、配对资料的Wilcoxon符号秩和检验（Wilcoxon signed-rank test）例1对10名健康人分别用离子交换法与蒸馏法，测得尿汞值，如表9.1的第（2）、（3）栏，问两种方法的结果有无差别？表1 10名健康人用离子交换法与蒸馏法测定尿汞值(μg/l)样品号（1）离子交换法（2）蒸馏法（3）差值(4)=(2) (3)秩次（5）1 0.5 0.0 0.5 22 2.2 1.1 1.1 73 0.0 0.0 0.0 —4 2.3 1.3 1.0 65 6.2 3.4 2.8 86 1.0 4.6 -3.6 -97 1.8 1.1 0.7 3.58 4.4 4.6 -0.2 -19 2.7 3.4 -0.7 -3.510 1.3 2.1 -0.8 -5T+=+26.5T-=-18.5差值先进行正态性及方差齐性检验，看是否可以做参数检验，其检验效能高于非参数检验。
spss-数据正态分布检验方法及意义要点
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：Analyze-----Descriptive S tatistics-----Frequencies，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 norma 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：Analyze-----Descriptive Statistics-----Explore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。
SPSS操作：简单线性回归（史上最详尽的手把手教程）
SPSS操作：简单线性回归（史上最详尽的手把手教程）1、问题与数据研究表明，运动有助于预防心脏病。
一般来说，运动越多，心脏病的患病风险越小。
其原因之一在于，运动可以降低血胆固醇浓度。
近期研究显示，一项久坐的生活指标—看电视时间，可能是罹患心脏病的预测因素。
即看电视时间越长，心脏病的患病风险越大。
研究者拟在45-65岁健康男性人群中分析胆固醇浓度与看电视时间的关系。
他们猜测可能存在正向相关，即看电视时间越长，胆固醇浓度越高。
同时，他们也希望预测胆固醇浓度，并计算看电视时间对胆固醇浓度的解释能力。
研究者收集了受试者每天看电视时间（time_tv）和胆固醇浓度（cholesterol）等变量信息，部分数据如下：2、对问题的分析研究者想判断两个变量之间的关系，同时用其中一个变量（看电视时间）预测另一个变量（胆固醇浓度），并计算其中一个变量（看电视时间）对另一个变量（胆固醇浓度）变异的解释程度。
针对这种情况，我们可以使用简单线性回归分析，但需要先满足7项假设：假设1：因变量是连续变量假设2：自变量可以被定义为连续变量假设3：因变量和自变量之间存在线性关系假设4：具有相互独立的观测值假设5：不存在显著的异常值假设6：等方差性假设7：回归残差近似正态分布那么，进行简单线性回归分析时，如何考虑和处理这7项假设呢？3、思维导图（点击图片可查看清晰大图）4、对假设的判断4.1 假设1和假设2因变量是连续变量，自变量可以被定义为连续变量。
举例来说，我们平时测量的反应时间（小时）、智力水平（IQ分数）、考试成绩（0到100分）以及体重（千克）都是连续变量。
在线性回归中，因变量（dependent variable）一般是指研究的成果、目标或者标准值；自变量（independent variable）一般被看作预测、解释或者回归变量。
假设1和假设2与研究设计有关，需要根据实际情况判断。
4.2 假设3简单线性回归要求自变量和因变量之间存在线性关系，如要求看电视时间（time_tv）和胆固醇浓度（cholesterol）存在线性关系。
SPSS卡方检验操作大全
两种治疗方法的疗效比较
浙江大学医学院流行病与卫生统计学教研室
沈毅
四格表卡方检验
首先建立数据文件，如下。
浙江大学医学院流行病与卫生统计学教研室Leabharlann 沈毅四格表卡方检验
注意：由于上表给出的不是原始数据，而是频数表数据，应 该进行预处理。
浙江大学医学院流行病与卫生统计学教研室
沈毅
一致性检验
结果分析
如果在crosstab过程的 statistics子对话框中勾选上Kappa 复选框，则有以下结果：
Symmetric Measures Asymp. a b Value Std. ErrorApprox. T Approx. Sig. Measure of Agree Kappa N of Valid Cases a.Not assuming the null hypothesis. ing the asymptotic standard error assuming the null hypothesis. .455 58 .115 3.762 .000
浙江大学医学院流行病与卫生统计学教研室
沈毅
两分类变量间关联程度的度量 χ2检验可以从定性的角度说明两个变量是否存在关联，当
拒绝原假设时，在统计上有把握认为两个变量存在相关。 但接下来的问题是，如果两变量之间存在相关性，它们之 间的关联程度有多大？针对不同的变量类型，在SPSS中可 以计算各种各样的相关指标，而且Crosstabs过程也对此提 供了完整的支持，此处只涉及两分类变量间关联程度的指 标，更系统的相关程度指标见相关与回归一章。
Value Pearson Chi-Square Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association McNemar Test N of Valid Cases a. Computed only for a 2x2 table 14.154b 14.550
卫生统计习题软件分析教程习题SPSS01
第一篇认识数据二、综合分析题1．（1）编制生命质量评分数据的频数分布表并绘制直方图，概括描述其分布特征。
【操作】1）建立数据库：激活SPSS的数据编辑窗口，单击窗口左下角的Variable View，定义变量名score，如图1-1-1所示。
点击菜单File→Save as，以“综合分析1-1.sav”文件名保存。
图1-1-1 SPSS的Variable View窗口2）输入数据：点击数据编辑窗口左下角的Date View，按顺序输入数据，如图1-1-2所示。
图1-1-2 SPSS的Date View窗口3）重新分段编码：点击Transform菜单下的Recode into Different Variables，如图1-1-3所示，系统弹出Recode主对话框，将变量“score”选入Input Variable →Output Variable框中，在Output Variable框中输入新变量名“subscore”，在Lable栏中输入“分组”，单击Change，如图1-1-4所示。
图1-1-3 Transform → Recode into Different Variables操作图1-1-4 Recode 主对话框单击Old and New Values，系统弹出Old and New Values子对话框。
根据手工分组，最小值为27，最大值为189，极差为162，分为9组，组距为10，第一组为20~39，第二组为40~59，依此类推。
在Old Value的Range栏中输入组下限，在through栏中输入组上限，在New Value的Value栏输入对应的新变量值，单击Add，Old→New框中就会加入赋值的内容，如图1-1-5所示，完成后单击Continue，再单击OK，系统就会按要求生成新变量“subscore”。
图1-1-5 Old and New Values子对话框4）绘制频率分布表和直方图：点击Analyze菜单中的下的Descriptive Statistics子菜单，选择Frequencies选项，如图1-1-6所示，系统弹出Frequencies主对话框，点击变量subscore进入Variable(s)框内，如图1-1-7所示。
SPSS使用教程
描述样本数据一般的，一组数据拿出来，需要先有一个整体认识。
除了我们平时最常用的集中趋势外，还需要一些离散趋势的数据。
这方面EXCEL就能一次性的给全了数据，但对于SPSS，就需要用多个工具了，感觉上表格方面不如EXCEL好用。
个人感觉，通过描述需要了解整体数据的集中趋势和离散趋势，再借用各种图观察数据的分布形态。
对于SPSS提供的OLAP cubes（在线分析处理表），Case Summary（观察值摘要分析表），Descriptives （描述统计）不太常用，反喜欢用Frequencies（频率分析），Basic Table（基本报表），Crosstabs（列联表）这三个，另外再配合其它图来观察。
这个可以根据个人喜好来选择。
一．使用频率分析（Frequencies）观察数值的分布。
频率分布图与分析数据结合起来，可以更清楚的看到数据分布的整体情况。
以自带文件Trends chapter 13.sav为例，选择Analyze->Descriptive Statistics->Frequencies，把hstarts选入Variables，取消在Display Frequency table前的勾，在Chart里面histogram，在Statistics选项中如图1图1分别选好均数(Mean)，中位数(Median)，众数(Mode)，总数(Sum)，标准差(Std. deviation)，方差(Variance)，范围(range)，最小值(Minimum)，最大值(Maximum)，偏度系数(Skewness)，峰度系数(Kutosis)，按Continue返回，再按OK，出现结果如图2图2表中，中位数与平均数接近，与众数相差不大，分布良好。
标准差大，即数据间的变化差异还还小。
峰度和偏度都接近0，则数据基本接近于正态分布。
下面图3的频率分布图就更直观的观察到这样的情况图3二．采用各种图直观观察数据分布情况，如采用柱型图观察归类的比例等。
spss操作步骤讲解系列--正态性检验
正态分布及spss中的检验方法1.基本理论正态分布：又称高斯分布或上帝分布，分布形态，呈现最好和最坏的较少，较多的集中在一般如果是图形展示类似钟形。
一般问卷数据可以采用中心极限定理：在收集数据时只要收集的数据，次数足够大，数据将会趋向于正态分布，因此一般认为问卷数据满足近似正态分布。
正态性检验方法：K-S和S-W较严格和准确，但因为对数据的要求较为严格。
图形法p-p和q-q图，还有描述统计分析的偏度和峰度，非参数检验的单样本K-S检验。
图1探索方法勾选2.描述统计探索分析方法探索性分析方法的操作第一步：将数据导入spss软件后，点击分析、描述统计、探索。
图2探索性操作第一步第二步、进入图中对话框后，点击图，勾选直方图和含检验的正态性图，点击继续、确定。
图3探索性第二步然后正态性检验的结果就出来了（在正态检验中重要的是正态性检验表中的结果）。
图4探索性检验结果展示将结果粘贴复制到Excel表格中，后将整理好的结果粘贴复制到Word文档进行，由于p<0.05，表明本次数据不满足正态分布。
图5探索结果整理3.p-p图操作步骤第一步、将数据导入spss软件中，p-p图操作：点击分析、描述统计、p-p 图。
图6p-p操作步骤第一步进入图中框中后，将变量放入对应的对话框中点击确定。
图7p-p图勾选情况然后p-p图结果就出来了（根据图中点是否均匀的分布在对角线上，来判断是否满足近似正态）。
图8p-p图结果展示将p-p图结果放入Word文档中进行分析，从图中可以看出，点均分布在对角线附近，表明数据满足正态分布。
图9p-p结果整理4.Q-Q图操作步骤Q-Q图操作第一步：首先将数据导入spss中，点击分析、描述统计、Q-Q图。
图10Q-Q图操作步骤一第二步、进入图中对话框后，将对应变量放入对应框中，点击确定。
图11Q-Q图勾选情况然后Q-Q图结果就出来了（根据图中点是否均匀的分布在对角线上，来判断是否满足近似正态）。
SPSS的参数检验和非参数检验
实验二 SPSS的参数检验和非参数检验（验证性实验 4学时）1、目的要求：熟练掌握t检验及其结果分析。
熟练掌握单样本、两独立样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给出准确分析。
2、实验内容：使用指定的数据按实验教材完成相关的操作。
3、主要仪器设备：计算机。
练习：1、给幼鼠喂以不同的饲料，用以下两种方法设计实验：鼠体内钙的留存量有显著不同。
2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至周六各天并说明分析结论。
1 参数检验概述假设检验的基本思想.事先对总体参数或分布形式作出某种假设，然后利用样本信息来判断原假设是否成立；.采用逻辑上的反证法，依据统计上的小概率原理。
2 单样本的T检验2.1检验目的：•检验单个变量的均值是否与给定的常数(总体均值)之间是否存在显著差异。
如：分析学生的IQ平均分是否为100分；大学生考研率是否为5%。
•要求样本来自的总体服从或近似服从正态分布。
2.2 单样本T检验的实现思路•提出原假设：•计算检验统计量和概率P值●给定显著性水平与p值做比较：如果p值小于显著性水平，小概率事件在一次实验中发生，则我们应该拒绝原假设，反之就不能拒绝原假设。
2.3 单样本t检验的基本操作步骤1、选择选项Analyze－Compare means－One-Samples T test，出现窗口：2、在Test Value框中输入检验值。
3、单击Option按钮定义其他选项。
Option选项用来指定缺失值的处理方法。
其中，Exclude cases analysis by analysis表示计算时涉及的变量上有缺失值，则剔除在该变量上为缺失值的个案；Exclude cases listwise表示剔除所有在任意变量上含有缺失值的个案后再进行分析。
可见，较第二种方式，第一种处理方式较充分地利用了样本数据。
在后面的分析方法中，SPSS对缺失值的处理方法与此相同，不再赘述。
t检验使用条件及在SPSS中地应用
t检验使用条件及在SPSS中的应用t检验是对均值的检验，有三种用途，分别对应不同的应用场景：1)单样本t检验（One Sample T Test）：对一组样本，检验相应总体均值是否等于某个值；2)相互独立样本t检验（Independent-Sample T Test）：利用来自某两个总体的独立样本，推断两个总体的均值是否存在显著性差异；3)配对样本t检验：是采用配对设计方法观察以下几种情形，1，两个同质受试对象分别接受两种不同的处理；2,同一受试对象接受两种不同的处理；3，同一受试对象处理前后。
下文将分别介绍三种t检验的使用条件以及在SPSS中的实现。
一、单样本t检验1.1简介1)单样本t检验的目的利用来自某总体的样本数据，推断该总体的均值是否与指定的检验值之间存在显著性差异，它是对总体均值的检验。
2)单样本t检验的前提样本来自的总体应服从和近似服从正态分布，且只涉及一个总体。
如果样本不符合正态分布或不清楚总体分布的形状，就不能用单样本t检验，而要改用单样本的非参数检验。
3)单样本t检验的步骤a)提出假设单样本t检验需要检验总体的均值是否与指定的检验值之间存在显著性差异，为此，给定检验值μ，提出假设：：μ = μ（原假设，null hypothesis）：μ≠μ（备择假设,alternative hypothesis，）b)选择检验统计量属于总体均值和方差都未知的检验采用t统计量：μ，其中，和分别为样本均值和方差，t的自由度为n-1SPSS中还将显示均值标准误差，计算公式为，即t统计量的分母部分。
c)计算统计量的观测值和概率将样本均值、样本方差、μ带入t统计量，得到t统计量的观测值，查t分布界值表计算出概率P值。
d)给出显著性水平α，作出统计判断给出显著性水平α，与检验统计量的概率P值作比较。
当检验统计量的概率值小于显著性水平时，则拒绝原假设，认为总体均值与检验值μ之间有显著性差异；反之，如果检验统计量的概率值大于显著性水平，则接受原假设，认为总体均值与检验值μ之间没有显著性差异。
资料的正态性检验汇总
资料的正态性检验汇总S PSS和SAS常用正态检验方法一、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：g1表示偏度，g2表示峰度，通过计算g1和g2及其标准误σg1及σg2然后作U检验。
两种检验同时得出U<U0.05=1.96，即p>0.05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Kolmogorov-Smirnov检验（D检验）和Shapiro- Wilk（W检验）。
SAS中规定：当样本含量n≤2000时，结果以Shapiro – Wilk（W检验）为准，当样本含量n >2000时，结果以Kolmogorov – Smirnov（D检验）为准。
SPSS中则这样规定：（1）如果指定的是非整数权重，则在加权样本大小位于3和50之间时，计算Shapiro-Wilk统计量。
对于无权重或整数权重，在加权样本大小位于3和5000之间时，计算该统计量。
由此可见，部分SPSS教材里面关于“Shapiro – Wilk适用于样本量3-50之间的数据”的说法实在是理解片面，误人子弟。
（2）单样本Kolmogorov-Smirnov检验可用于检验变量（例如income）是否为正态分布。
试验数据的正态性检验、数据的转换及卡方检验
试验数据的正态检验、数据的转换和卡方检验目录一、符合正态分布的例子 (1)二、不符合正态分布的例子 (6)三、不符合正态分布数据的转换及转换后数据的方差分析 (11)四、次数分布资料的卡方检验 (14)在对试验数据进行方差分析前，应对数据的三性（即同质性、独立性和正态性）进行检验。
本文介绍对资料的正态性进行检验的方法，主要介绍3种检验方法：（1）频数检验——作频率分布图、看偏度系数和峰度系数，（2）作Q-Q图检验，（3）非参数检验——单个样本K-S检验。
下面以两个试验数据为例，例1为84头育肥猪的体重数据，通常符合正态分布。
例2为生长育肥猪7个试验处理组的腹泻率（百分数资料）统计结果，这类资料往往不符合正态，而大多数人以为是符合正态分布，进行方差分析的，因而不能得出正确的结论，却可能得出错误结论。
一、符合正态分布的例子【例1】 84头生长育肥猪的“体重”数据如表1-1，检验该数据是否呈正态分布。
表1-1 84头育肥猪的“体重”数据（排序后）检验方法一：频数检验——作频率分布图、看偏度系数和峰度系数步骤1：数据录入SPSS中，如图1-1。
图1-1 体重数据录入SPSS中步骤2：在SPSS里执行“分析—>描述统计—>频率”，然后弹出“频率”对话框（图1-2a），变量选择“体重”；再点右边的“统计量”按钮，弹出图“频率：统计量”对话框（图1-2b），选择“偏度”和“丰度”（图1-2b）；再点右边的“图表”按钮，弹出图“频率：图表”对话框（图1-2c），选择“直方图”，并选中“在直方图显示正态曲线”图1-2a “频率”对话框图1-2b “频率:统计量”对话框图1-2c “频率:图表”对话框设置完后点“确定”后，就会出来一系列结果，包括2个表格和一个图，我们先来看看“统计量”表，如下：统计量体重N 有效84缺失0偏度.040偏度的标准误.263峰度-.202峰度的标准误.520偏度系数=0.040，峰度系数-0.202；两个系数都小于1，可认为近似于正态分布。
试卷苏州大学硕士研究生课程班医学统计 2
苏州大学硕士研究生课程班《医学统计学》课程试卷年级 姓名 学号一、选择题：(每题2分，共 40 分) 1．抽样研究的目的是 ( )。
A ． 研究样本统计量B ． 由样本统计量推断总体参数C ． 研究典型案例D ． 研究误差 2．下列指标中( )的计算没有考虑到每一个观察值。
A ．样本标准差B ．变异系数C ．总体方差D ．四分位数间距 3．比较同一人群的身高、体重两项指标的变异程度时宜采用 ( )。
A ．极差 B ．标准差 C ．四分位数间距 D ．变异系数 4．描述一组抗体滴度资料的平均水平,适宜的指标是 ( )。
A ．算术平方数B ．中位数C ．几何平均数D ．百分位数 5．应用两样本t 检验，要求数据服从正态分布，并且（ ）。
A ．样本均数相近B ．总体方差相等C ．样本方差相等D ．均数与方差相差多少都无所谓 6．最小组段无下限或最大组段无上限的定量资料,可用( )描述其集中趋势。
A ．算术平均数 B ．标准差 C ．中位数 D ．几何平均数 7．下列描述中( )不是正态分布的特征。
A ．曲线位于横轴上方，均数处最高B ．以零为中心,左右对称C ．均数为其位置参数D ．标准差为其形态参数 8．一项新的治疗方法可以延长患者的生命但是不能治愈该病，则（ ）。
A ． 该病的患病率增加 B ． 该病的患病率减少C ． 该病的发病率增加D ． 该病的发病率减少9．某地成年男子红细胞数普查结果为：均数为4.80×1210/L,标准差为0.41×1210/L ，那么标准差反映的是（ ）。
A ．抽样误差B ．总体均数不同C ．随机误差D ．个体差异10．比较甲乙两药的疗效时，已知甲药不会比乙药好，应进行单侧检验，如用了双侧检验，会出现（ ）。
A ．I 型错误增大B ． II 错误增大C ． I 型错误减少D ． II 错误减少11．已知某市20岁以上男子平均身高为171cm ，该市某大学随机抽取36名20岁以上男生，测得平均身高为176.1cm ，标准差为8.4cm 。
SPS使用方法速查
SPSS方法简介自由度：自由度(degree of freedom, df)在数学中能够自由取值的变量个数，如有3个变量x、y、z，但x+y+z=18，因此其自由度等于2。
在统计学中，自由度指的是计算某一统计量时，取值不受限制的变量个数。
通常df=n-k。
其中n 为样本含量，k为被限制的条件数或变量个数，或计算某一统计量时用到其它独立统计量的个数。
自由度通常用于抽样分布中。
0.Spss的适用范围1）统计描述运用适宜的统计指标、统计表、统计图等方法，对研究对象（变量）的分布类型和数量特征进行展示的过程，通过统计描述可以研究对象的基本特征。
2）概率分布随机变量：变异现象在生物界普遍存在，这种变异现象表现在人体某一具体指标或变量上，就是其数值的变化，测量前的不可预知性，这种变量叫随机变量频数分布表和分布图描述了某一随机变量的经验分布，这是针对样本资料来透视数据的分布特征。
由于抽样的随机性，样本的经验分布会随着样本的不同而变化。
当样本扩展到总体时，随机变量的总体分布即为概率分布。
变量值的常见总体分布有正态分布、二项分布和Poisson分布，常见的抽样分布有t分布、F分布和x2分布，本质上这两种分布都是概率分布。
3）参数估计与假设检验统计推断是根据样本提供的信息，以一定的概率对总体的分布及其特征作推断，常包含参数估计和假设检验。
参数估计是指由样本统计量估计总体参数；假设检验是指对所估计的总体的首先提出某种假设，然后根据随机样本信息及抽样误差理论，应用小概率反证法逻辑思维推断某种假设可被接受或拒绝的统计检验方法。
4）t检验T检验是以t分布为基础，是数值资料中常用的假设检验方法主要用于两个均数的比较。
理论上，t检验的应用条件要求样本来自正态分布总体，随机样本且总体方差齐性。
当样本含量（确切讲是自由度）较大时，t分布近似于正态分布，可用u检验（又称z检验），此情况下t检验等价于u检验。
5）方差分析对于多个样本均数的比较，需用方差分析，多样本均数的比较不能反复使用t检验的原因是会增大I性错误的概率。
SPSS软件正态性检验
行变量输出格式 行变量数据值升序排序 行变量数据值降序排序
2、结果解释
SPSS统计分析
练习2-9 某药厂观察9只小鼠口服高山红景天醇 提物（RSAE）后在乏氧条件下的生存时间（分钟） 如下：49.1,60.8，63.3，63.6，63.6，65.6， 65.8，68.6，69.0 求其均值、中位数和众数。
Q-Q作图对话框设置
SPSS统计分析
检验分布类型
定义所检验的分布参数 根据样本数据估计总体参数
转换 自然对数变换 标准化值 差分变换 季节差分变换
2、结果解释
Normal Q-Q Plot of 血清总胆固醇
7
6
5
Deviation from Normal
4
3
2
2
3
4
5
6
7
Observed Value
选择汇总方式 以某个分类变量分组汇总 分别对各变量进行汇总
SPSS统计分析
单击Define按钮,打开单式箱式图定义对话框， 选择作图。
观察单位标记 （标记极端值、离群值）
SPSS统计分析
单击Define按钮,打开复式箱式图定义对话框， 选择作图。
分类变量
观察单位标记 （标记极端值、离群离）
SPSS统计分析
535453.5 2
SPSS统计分析
第三讲 正态性检验
主要内容
3.1 P-P图法 3.2 Q-Q图法 3.3 直方图、箱式图与茎叶图法 3.4 计算法
SPSS统计分析
3.1 P-P图法
两种P-P图：正态P-P图和正态去势P-P图（累 计概率残差图）
正态P-P图是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，把样本值表现为直角坐标系的散点，所描绘 的图形。
SPSS10.0学术版
Sig.
.013
Paired Samples Test Paired Differences Std. Std. 95% Confidence Error Interval of the Mean Deviati Difference Mean on
SPSS软件基本统计分析应用介绍
一、概述 SPSS(Statistical Package for the Social Science) 社会科学统计软件包是由美国斯坦福大学20世纪80年代初研
制的，它与SAS和BMDP共同组成世界上三大流行统计分析软
件。广泛适用于自然科学和社会科学的各个领域，特别是可 以满足经济学、医学、生物学、商业、金融、教育等的多种
Correlate
Bivariate Partial Distances
六、回归分析
1、线性回归
Regression
Linear
……
七、对数线性 八、聚类分析
Loglinear Classify
九、数据简化
Data Reduction
十、尺度分析 十一、非参数检验
1、 卡方检验
Scale Nonparametric Tests
Equal variances not assumed
1.659 .210 -3.882
25 .001
Difference Lower Upper ence -18.9890 4.8911 -29.06 -8.92 -18.9890 4.9623 -29.31 -8.66
-3.827 20.837 .001
要求。SPSS目前在国内已逐渐流行起来。
正态性检验的几种方法
正态性检验的几种方法一、引言正态分布是自然界中一种最常见的也是最重要的分布。
因此，人们在实际使用统计分析时，总是乐于正态假定，但该假定是否成立，牵涉到正态性检验。
目前，正态性检验主要有三类方法：一是计算综合统计量，如动差法、Shapiro-Wilk 法(W 检验)、D ’Agostino 法(D 检验)、Shapiro-Francia 法(W ’检验)。
二是正态分布的拟合优度检验，如2χ检验、对数似然比检验、Kolmogorov-Smirov 检验。
三是图示法(正态概率图Normal Probability plot)，如分位数图(Quantile Quantile plot ，简称QQ 图)、百分位数(Percent Percent plot ，简称PP 图)和稳定化概率图(Stablized Probability plot ，简称SP 图)等。
而本文从不同角度出发介绍正态性检验的几种常见的方法，并且就各种方法作了优劣比较，还进行了应用。
二、正态分布2.1 正态分布的概念定义1若随机变量X 的密度函数为()()()+∞∞-∈=--,,21222x e x f x σμπσ其中μ和σ为参数，且()0,,>+∞∞-∈σμ则称X 服从参数为μ和σ的正态分布，记为()2,~σμN X 。
另我们称1,0==σμ的正态分布为标准正态分布，记为()1,0~N X ，标准正态分布随机变量的密度函数和分布函数分别用()x ϕ和()x Φ表示。
引理1 若()2,~σμN X ，()x F 为X 的分布函数，则()⎪⎭⎫⎝⎛-Φ=σμx x F由引理可知，任何正态分布都可以通过标准正态分布表示。
2.2 正态分布的数字特征引理2 若()2,~σμN X ，则()()2,σμ==x D x E 引理3 若()2,~σμN X ，则X 的n 阶中心距为()()N k kn k k n kn ∈⎩⎨⎧=-+==2,!!1212,02σμ定义2 若随机变量的分布函数()x F 可表示为：()()()()x F x F x F 211εε+-= ()10<≤ε其中()x F 1为正态分布()21,σμN 的分布函数，()x F 2为正态分布()22,σμN 的分布函数，则称X 的分布为混合正态分布。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘 要: 正态分布检验是常用统计分析工作的前提和基础, 本文通过实例对 SPSS10. 0 中几种常用的 正态分布检验 的方法作了较为详尽的介绍。 关键词: 正态分布; 检验; 统计方法 中图分类号: G 80-32 文 章编号: 1009-783X ( 2004) 03-0123-03 文献标识码: A
表 1 100 名健 康成年女子血清蛋白含量表
7. 43 7. 95 7. 50 7. 35 7. 58 7. 04 7. 35 6. 72 7. 58 7. 35
7. 88 7. 56 7. 35 7. 50 7. 58 7. 20 7. 95 7. 65 7. 35 7. 95
6. 88 7. 50 7. 88 7. 20 6. 88 7. 65 7. 35 7. 27 7. 50 7. 04
在 SP SS 中用偏度和峰度指标对数据资料进行正态性检 验有多 种选择, 它分 布在 A naly ze 下拉式 菜单的许多 命令项 的多种分析过程中: 1) 在 SPSS 中 通 过 菜 单 栏 A nalyze—Repor ts—Case Summar ies 分析 过程 Statistics 的 选择项中计 算偏度( Skew ness) 和峰度( Kur tosis) ; 2) 通过 A naly ze —R epo rt s—R epo rt Summar ies in R ow s 分析 过 程 Repor t 的 Summar y 的选 择项 计算 偏度、峰度; 或 者通 过 Repor ts—Repor t Summar ies in Co lumns 分 析 过 程 的 Summar y 选择项计算 偏度和峰度; 3) 通过 A naly ze—Descr iptiv e Statist ics—Fr equencies 分析过 程的 Stat istics 的选择项 D istr ibut ion 中计算偏度、峰度; 4) 通过 Analyze—Descript ive Statist ics—Descr iptiv es 分析过 程的 O ptions 的选 择项 Distr ibutio n 中计算偏度、峰度; 5) 通 过 Analyze—Compar e mea ns—means 分 析过 程 的 O ptio ns 的 选 择项 Stat istics 中 选 择 统计 量 Skew ness ( 偏 度) 、 K ur to sis( 峰度) 来对数据资料进行正态性检验。 1. 5 用偏度和峰度指标对 数据资料进行正态 性检验的实例 分析 1) 打开数 据文件 ZHB0001. sav , 按 A naly zeR epo rt sCase Summar ies 打开 Case Sum maries 的对话框, 见图 1。
2) 在左侧的源变量 框中将变量 V ar 00001 用单击鼠标左 键方式选中, 单击向右箭头按钮, 将其送入 Var iables 框中。
3) 关闭 Display Cases 选择项, 单击 Stat istics 的选 择项, 显 示 Statistics 选择项框, 见图 2。将统计量 Skewness( 偏度) 、 K ur to sis( 峰度) 移入右框中。按 Continue 键返回图 1。
3 在 SPSS 中用 非参数 分 析方 法( Nonparametric Tests) 对 数据资料进行正态性检验
3. 1 用 一 个样 本 柯 尔莫 哥 洛夫 - 斯米 诺 夫 检 验( 1sample K olmog or o v-Smirno v test) 进行正态分布检验
1) 读取数据文件 Z HB0001. sav 。 2) 按 A nalyze→N onpa rametr ic T ests→1-sample K -S 顺 序 逐一 单击 鼠标 键, 展开 One-sample K olmog or ov -Smirnov T est 对话框。 3) 选择 V ar 00001 变量进入 T est V ariable 对话框。 4) 由于 要 对 数 据资 料 进 行 正态 分 布 检 验, 故 在 T est
第 16 卷
图 1 Case Summaries 的对话框
图 4 P-P 或 Q-Q 法
图 2 Stati sti cs 选择项框
图 3 Case Summari es
5) 分析。由于偏度和峰度都接近 0, 因此, 可以认为, 健康 成年女子血清蛋白含量近似服从正态分 布。
2 在 SPSS 中用 正态概率图的 P-P 或 Q-Q 法对数据 资料进 行正态性检验
在常用统计 推断及多元统计分 析中, 我们通 常要用到正 态分布理论, 许多统计方法 都是假定随机变量服 从正态分布 作为研究的前提的, 因此, 掌握 SP SS 中对数据资料进行正态 性检验的方法是非常有必要的 。下面, 我们通过实例对 SPSS 中的正态性检验的方法进行介绍。
下表是 100 名 健康成年女子血清 蛋白含量表, 试对其进 行正态性检验。将表 1 中数据录入 SPSS 数据 集中, 取文件名 为 ZHB0001. sav 。
图 10 Compute 对话窗
Байду номын сангаас
图 8 单样本 K-S 检验主对话框
N N or mal Parmamet ers a. b
M ost Ext reme Dif f erences
Kol mogorov-Smirnov Z A symp. S ig. ( 2-tailed)
M ean St d. Deviat ion A bs ol ut e Posit ive N eg at ive
4) 按 O K 键运行, 在输出 窗中得到 如下( 见图 3) 的输出
收稿日期: 2004-01-10 作者简介: 朱红兵( 1964～) , 男, 副教授, 研究方向: 体育统计方法应用。
12 4 结果:
首 都 体 育 学 院 学 报 Distr ibutio n 框中选中 N or mal 复选项。
Methods of Normal Test of Data in SPSS10. 0
ZHU Hong-bing , HE L i-juan
( Capital Inst itute o f Physical Education, Beijing 100088)
Abstract: N or mal distr ibutio n t est is the pr econditio n and basis of stat istic analy sis. Sev eral methods o f no rm al distribut ion test ar e intr oduced in the paper thr ough applicat ion o f SPSS softw ar e. Key words: No r mal distr ibutio n; T est; Statistic methods
打开数 据文件 ZHB0001. sav, 按 G ra phsP-P 或 Q -Q , 见 图 4, 展 开 P-P 或 Q -Q 对话框, 见图 5, 在左侧的源变 量框中 将变 量 V ar 00001 用单击 鼠标左键 的方式 选中, 单击向 右箭 头按钮, 将其送入 V ar iables: 框中。在 T r ansfo rm 的选择项中 选择将数据资料作标准化处理的 Standardize v alues 选择项, 在 T est Distr ibut ion 的选择项中选择 N or mal 选择项, 按 OK 运行, 结果见 图 6 或图 7, 由于散点 聚集在固 定直线的周 围, 因而, 可以认为数据资料近似服从正态分布。
V A R00001 100
7. 3600 0. 3953
0. 062 0. 062 - 0. 060 0. 616 0. 842
a. T es t dis tri but ion is N orm al ; b. Calculat ed f rom dat a.
图 9 一个样本柯尔莫哥洛夫- 斯米诺夫正态分布检验结果
7. 12 7. 12 6. 97 7. 35 7. 04 7. 50 7. 27 6. 73 7. 03 7. 65
7. 35 7. 20 6. 80 7. 35 6. 80 7. 43 7. 27 7. 27 7. 43 7. 04
1 用偏度和峰度指标对数据资料进行正态性检验
偏度和峰度 是描述数据分布特 征的统计量, 偏度可用来
图 5 P-P 或 Q-Q 法选择项
图 6 P-P 法结果图
图 7 Q-Q 法结果图 5) 单击 O K 按钮, 提交 运算。
第3期
朱红兵, 等: 在 SP SS10. 0 中进行数据资料正态性检验的方法
1 25
6) 输出结果, 见表 2。因 P= 0. 842> 0. 05, 故可认为本数 据资料是服从正态分布的。
7. 80 7. 04 8. 05 8. 05 6. 97 7. 88 7. 20 7. 20 7. 20 7. 43 7. 43 7. 58 6. 50 7. 43 7. 12 6. 43 7. 58 8. 03 6. 97 7. 43 7. 65 7. 04 7. 12 8. 12 7. 50 7. 43 7. 65 7. 76 6. 73 7. 20 7. 47 6. 50 7. 65 8. 16 7. 54 7. 04 7. 72 6. 88 6. 63 6. 73 7. 27 7. 35 7. 35 7. 27 8. 16 7. 15 7. 27 7. 72 8. 43 7. 50
反映分布的偏斜 方向和程度, 而峰度可用来反映 分布的陡峭
和平坦的程 度, 加上非对 称分布必向某侧偏 斜之特点, 因而,
考察数据资料分 布是否为正态分布 时, 可用这两 个指标来做