spss正态性检验操作 spss正态性检验的结果怎么看

若连续性随机变量X概率密度如图1所示，其中-∞0），则X服从正态分布。正态性分布在自然界和社会中广泛存在，如海浪高度，一个地区8岁儿童的身高，使用同一游标卡尺测量某工件的长度。除研究数据分布外，很多统计分析也会要求某些统计量服从正态分布，才能得出可信的结果，我们一般借助SPSS进行正态性检验，以提高工作效率，SPSS正态性检验操作步骤是什么，SPSS正态性检验的结果怎么看，本文向大家做简单的介绍。

图1 正态分布密度函数

一、SPSS正态性检验操作

为了便于理解，这里向大家列举一个实例，我们使用某方法测量了某铁矿石中的铁元素的含量，测量次数为50次，数据如图2所示，对这组数据进行正态性检验。

图2 录入数据

点击【分析】，【描述统计】，【探索】，如图3所示。

图3 进入探索分析界面

将铁元素含量百分比加入因变量列表，点击图，勾选含检验的正态图，点击继续，点击确定。

图4 勾选含检验的正态图选项

SPSS会将检验结果输出至结果查看器，我们在第二小节中，向大家介绍如何分析检验结果。

二、SPSS系数表哪个指标代表正态影响

在分析结果中，我们首先查看图5的正态性检验表，有两个检验方法，柯尔莫戈洛夫-斯米诺夫检验和夏皮洛-威尔克检验，这两个检验分别针对不同的数据量，当数据量小于等于50个时，我们可以查看夏皮洛-威尔克检验结果，当数据量大于50个时，我们查看柯尔莫戈洛夫-斯米诺夫检验结果。本例中数据恰好为50个，我们查看夏皮洛-威尔克检验结果即可。

图5 正态性检验结果

对于上述两种检验方法，如果检验显著性大于0.05，则说明数据服从正态分布，显著性小于0.05则说明数据不服从正态分布，本例中，夏皮洛-威尔克检验的显著性为0.011小于0.05，故数据不服从正态分布，提示铁元素测量方法可能存在一定问题。

我们也可以通过去趋势正态Q-Q图来判断数据是否服从正态分布，如果数据呈正态分布，图中的点会均匀分布在Y=0这条直线两侧，本例中的数据并非这样分布，而是呈一条直线，与Y=0相交，所以与前面的分析一致，数据不服从正态分布。

图6 去趋势正态Q-Q图

我们介绍了如何使用探索描述分析对数据进行正态性检验，那么还有没有其他的方法呢，我们在第三小节中介绍。

三、使用SPSS进行正态性检验的其他方法

我们还可以通过绘制P-P图的方法进行数据的正态性检验，在图2所示界面，点击【分析】，【描述统计】，【P-P图】，然后在图7所示界面，将铁元素含量百分比加入变量，检验分布默认设置为正态，点击确定即可。

图7 P-P图绘制设置

去趋势正态P-P图查看方法与Q-Q图一致，在本例中，偏差不是均匀的分布于Y=0直线的两侧，因此通过去趋势正态P-P图，推断数据不服从正态分布。

图8 去趋势正态P-P图

SPSS正态性检验操作步骤是什么，我们可以在描述分析方法中选择探索分析或者P-P图进行数据的正态性检验，操作非常简便，SPSS正态性检验结果怎么看，对于数据量大于50的数据我们需要查看柯尔莫戈洛夫-斯米诺夫检验结果，如果数据量小于50我们需要查看夏皮洛-威尔克检验结果，我们也可以通过P-P图或者Q-Q图直观的推测数据是否服从正态分布。