檢查spss哪些數據正態分布

❶ 如何判斷一組數據是不是正態分布能否用SPSS實現操作

可以的，在探索里有正態性檢驗的選擇打鉤。

1.輸入數據後，左擊最上方的Analyze,選擇DescriptiveStatistic,選擇左擊explore，出現如下：

拓展資料

正態分布，也稱「常態分布」，又名高斯分布（Gaussian distribution），最早由A.棣莫弗在求二項分布的漸近公式中得到。C.F.高斯在研究測量誤差時從另一個角度導出了它。P.S.拉普拉斯和高斯研究了它的性質。是一個在數學、物理及工程等領域都非常重要的概率分布，在統計學的許多方面有著重大的影響力。

❷ spss判斷是否符合正態分布

今天和大家分享一下SPSS中判斷一組數據是否符合正態分布的幾種方法。 以下表為例，需要判斷地理成績的分布是否符合正態分布。 在開始菜單點擊「分析」、「頻率」，在頻率對話框中將地理欄位選入選框。 在頻率圖表選項中勾選「直方圖」、「在直方圖中顯示正態曲線」。 之後可以在輸出結果中看到數據分布情況。 我們也可以使用Q-Q 圖進行判斷。 P-P圖判斷的操作方法與Q-Q圖基本一致。 此外還可以使用K-S檢驗。 和前面的判斷方法不同的是這種方法輸出的結果並沒有圖形展示，我們只需要關注最後的漸近顯著性是否大於0.05即可。

偏度和峰度

1、偏度（Skewness）：描述數據分布不對稱的方向及其程度（見圖1）。

當偏度≈0時，可認為分布是對稱的，服從正態分布；

當偏度>0時，分布為右偏，即拖尾在右邊，峰尖在左邊，也稱為正偏態；

當偏度<0時，分布為左偏，即拖尾在左邊，峰尖在右邊，也稱為負偏態；

注意：數據分布的左偏或右偏，指的是數值拖尾的方向，而不是峰的位置，容易引起誤解。

2、峰度（Kurtosis）：描述數據分布形態的陡緩程度（圖2）。

當峰度≈0時，可認為分布的峰態合適，服從正態分布（不胖不瘦）；

當峰度>0時，分布的峰態陡峭（高尖）；

當峰度<0時，分布的峰態平緩（矮胖）；

利用偏度和峰度進行正態性檢驗時，可以同時計算其相應的Z評分（Z-score），即：偏度Z-score=偏度值/標准誤，峰度Z-score=峰度值/標准誤。在α=0.05的檢驗水平下，若Z-score在±1.96之間，則可認為資料服從正態分布。

了解偏度和峰度這兩個統計量的含義很重要，在對數據進行正態轉換時，需要將其作為參考，選擇合適的轉換方法。

3、SPSS操作方法

以分析某人群BMI的分布特徵為例。

(1) 方法一

選擇Analyze → Descriptive Statistics → Frequencies

將BMI選入Variable(s)框中 → 點擊Statistics → 在Distribution框中勾選Skewness和Kurtosis

(2) 方法二

選擇Analyze → Descriptive Statistics → Descriptives

將BMI選入Variable(s)框中 → 點擊Options → 在Distribution框中勾選Skewness和Kurtosis

4、結果解讀

在結果輸出的Descriptives部分，對變數BMI進行了基本的統計描述，同時給出了其分布的偏度值0.194（標准誤0.181），Z-score = 0.194/0.181 = 1.072，峰度值0.373（標准誤0.360），Z-score = 0.373/0.360 = 1.036。偏度值和峰度值均≈0，Z-score均在±1.96之間，可認為資料服從正態分布。

二、正態性檢驗：圖形判斷

1、直方圖：表示連續性變數的頻數分布，可以用來考察分布是否服從正態分布

(1)選擇Graphs → Legacy Diaiogs → Histogram

(2)將BMI選入Variable中，勾選Display normal curve繪制正態曲線

2、P-P圖和Q-Q圖

(1) P-P圖反映了變數的實際累積概率與理論累積概率的符合程度，Q-Q圖反映了變數的實際分布與理論分布的符合程度，兩者意義相似，都可以用來考察數據資料是否服從某種分布類型。若數據服從正態分布，則數據點應與理論直線（即對角線）基本重合。

(2) SPSS操作：以P-P圖為例

選擇Analyze → Descriptive Statistics → P-P Plots

將BMI選入Variables中，Test Distribution選擇Normal，其他選項默認即可。

三、正態性檢驗：非參數檢驗分析法

1、正態性檢驗屬於非參數檢驗，原假設為「樣本來自的總體與正態分布無顯著性差異，即符合正態分布」，也就是說P>0.05才能說明資料符合正態分布。

通常正態分布的檢驗方法有兩種，一種是Shapiro-Wilk檢驗，適用於小樣本資料（SPSS規定樣本量≤5000），另一種是Kolmogorov–Smirnov檢驗，適用於大樣本資料（SPSS規定樣本量>5000）。

2、SPSS操作

(1) 方法一：Kolmogorov–Smirnov檢驗方法可以通過非參數檢驗的途徑實現

選擇Analyze → Nonparametric Tests → Legacy Dialogs → 1-Sample K-S

將BMI選入Test Variable List中，在Test Distribution框中勾選Normal，點擊OK完成操作。

(2) 方法二：Explore方法

選擇Analyze → Descriptive Statistics → Explore

將BMI選入Dependent List中，點擊Plots，勾選Normality plots with tests，在Descriptive框中勾選Histogram，Boxplots選擇None，點擊OK完成操作。

3、結果解讀

(1)在結果輸出的Descriptives部分，對變數BMI進行了基本的統計描述，同時給出了其分布的偏度值、峰度值及其標准誤，具體意義參照上面介紹的內容。

(2)在結果輸出的Tests of Normality部分，給出了Shapiro-Wilk檢驗及Kolmogorov-Smirnov檢驗的結果，P值分別為0.200和0.616，在α=0.05的檢驗水準下，P>0.05，不拒絕原假設，可認為資料服從正態分布。

(3)在結果輸出的最後部分，同時給出了直方圖和Q-Q圖，具體意義參照上面介紹的內容。建議可以直接使用Explore方法，結果中不僅可以輸出偏度值，峰度值，繪制直方圖，Q-Q圖，還可以輸出非參數檢驗的結果，一舉多得。

四、注意事項

事實上，Shapiro-Wilk檢驗及Kolmogorov-Smirnov檢驗從實用性的角度，遠不如圖形工具進行直觀判斷好用。在使用這兩種檢驗方法的時候要注意，當樣本量較少的時候，檢驗結果不夠敏感，即使數據分布有一定的偏離也不一定能檢驗出來；而當樣本量較大的時候，檢驗結果又會太過敏感，只要數據稍微有一點偏離，P值就會<0.05，檢驗結果傾向於拒絕原假設，認為數據不服從正態分布。所以，如果樣本量足夠多，即使檢驗結果P<0.05，數據來自的總體也可能是服從正態分布的。

因此，在實際的應用中，往往會出現這樣的情況，明明直方圖顯示分布很對稱，但正態性檢驗的結果P值卻<0.05，拒絕原假設認為不服從正態分布。此時建議大家不要太刻意追求正態性檢驗的P值，一定要參考直方圖、P-P圖等圖形工具來幫助判斷。很多統計學方法，如T檢驗、方差分析等，與其說要求數據嚴格服從正態分布，不如說「數據分布不要過於偏態」更為合適。

❸ 請問哪位大神知道spss軟體里檢驗數據是否服從正態分布的Kolmogorov-Smirnov（K-S檢驗）檢驗的結果怎麼看

表5.2的結果P=0.940，說明數據服從正態分布。表5.4的結果P=0.014，說明原假設被拒絕，數據不服從正態分布。由於一般的正態總體其圖像不一定關於y軸對稱，對於任一正態總體，其取值小於x的概率。只要會用它求正態總體在某個特定區間的概率即可。為了便於描述和應用，常將正態變數作數據轉換。將一般正態分布轉化成標准正態分布。

集中性：正態曲線的高峰位於正中央，即均數所在的位置。

對稱性：正態曲線以均數為中心，左右對稱，曲線兩端永遠不與橫軸相交。

均勻變動性：正態曲線由均數所在處開始，分別向左右兩側逐漸均勻下降。

曲線與橫軸間的面積總等於1，相當於概率密度函數的函數從正無窮到負無窮積分的概率為1。即頻率的總和為100%。

(3)檢查spss哪些數據正態分布擴展閱讀：

面積分布：

1、實際工作中，正態曲線下橫軸上一定區間的面積反映該區間的例數占總例數的百分比，或變數值落在該區間的概率（概率分布）。不同 范圍內正態曲線下的面積可用公式計算。

2、正態曲線下，橫軸區間（μ-σ,μ+σ）內的面積為68.268949%。

P{|X-μ|<σ}=2Φ（1）-1=0.6826

橫軸區間（μ-1.96σ,μ+1.96σ）內的面積為95.449974%。

P{|X-μ|<2σ}=2Φ（2）-1=0.9544

橫軸區間（μ-2.58σ,μ+2.58σ）內的面積為99.730020%。

P{|X-μ|<3σ}=2Φ（3）-1=0.9974

由於「小概率事件」和假設檢驗的基本思想 「小概率事件」通常指發生的概率小於5%的事件，認為在一次試驗中該事件是幾乎不可能發生的。由此可見X落在（μ-3σ,μ+3σ）以外的概率小於千分之三，在實際問題中常認為相應的事件是不會發生的，基本上可以把區間（μ-3σ,μ+3σ）看作是隨機變數X實際可能的取值區間，這稱之為正態分布的「3σ」原則。

❹ spss正態分布檢驗方法是什麼

方法如下:

1、首先准備測試數據集，可以通過Excel或者Python等生成數據，本經驗提供數據集如下：81.09；81.73；82.38；

注意事項

1、K-S及S-W結果可能不準，建議通過Q-Q圖、P-P圖等進一步確認。

2、注意數據輸入時不要輸入錯誤。