最新SPSS数据正态性检验解析教案资料
合集下载
相关主题
- 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)。
以倒数第二行为例，最左边的17是指右边的 小数点后面有17个数字。17是茎， 0001114是17个树叶，最后一行主干宽度 是10，意味上面数字得放大10倍，意思是 有3个180,3个181。
&为零碎叶子的标志。因叶子太小或太大无 法在图中显示，用 &表示。
P-P图 Q-Q图
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。
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
SAS规定:n≤2000，以ShapiroWilk(W检验)为准；n>2000，以 Kolmogorow-Smirnov(D检验)为 准
如果整个图逆时针转90度，就变成变相的直 方图，也是反映分布形态的，但信息含量பைடு நூலகம் 大于直方图（分布及数值大小）。
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。
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P<0.05，数据来自的总体也可能是服从正态分布的。
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！
P75
P50
P2 5
按照SPSS默认选项，如果所有数据都在四分位点 1.5倍盒子长度内，则线的端点为最大值和最小值， 否则线长度就是1.5倍盒子长度（盒子长度等于四分 位间距），在其外的值单独点出（1.5倍用圈圈表示 可疑值，3倍用*表示异常值）
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。
虽然箱式图一般用于判定数据是否存在异常值，但如果细心， 上方很多离群值，数据像大的方向拖尾，结果与直方图判读 一致。
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
此课件下载可自行编辑修改，仅供参考！ 感谢您的支持，我们努力做得更好！ 谢谢!
&为零碎叶子的标志。因叶子太小或太大无 法在图中显示，用 &表示。
P-P图 Q-Q图
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。
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
SAS规定:n≤2000，以ShapiroWilk(W检验)为准；n>2000，以 Kolmogorow-Smirnov(D检验)为 准
如果整个图逆时针转90度，就变成变相的直 方图，也是反映分布形态的，但信息含量பைடு நூலகம் 大于直方图（分布及数值大小）。
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。
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P<0.05，数据来自的总体也可能是服从正态分布的。
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！
P75
P50
P2 5
按照SPSS默认选项，如果所有数据都在四分位点 1.5倍盒子长度内，则线的端点为最大值和最小值， 否则线长度就是1.5倍盒子长度（盒子长度等于四分 位间距），在其外的值单独点出（1.5倍用圈圈表示 可疑值，3倍用*表示异常值）
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。
虽然箱式图一般用于判定数据是否存在异常值，但如果细心， 上方很多离群值，数据像大的方向拖尾，结果与直方图判读 一致。
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
此课件下载可自行编辑修改，仅供参考！ 感谢您的支持，我们努力做得更好！ 谢谢!