ks检验正态分布结果_R中的正态分布，几何均值

一般数据处理中中我们经常遇到数据求几何均值（GM）的情况，因此需要判断数据是否是正态分布或者对数正态分布。SPSS和R都可以用来检验数据的正态性。下面就介绍一下在SPSS和R中正态性的检验。

1. SPSS

先用R生成100个随机数，设定种子为1（set.seed，为了可重复）

set.seed(1)
mydata1 <- rnorm(100, mean = 2, sd = 3)
> head(mydata1)
[1]  0.1206386  2.5509300 -0.5068858  6.7858424  2.9885233 -0.4614052
> plot(mydata1, mydata1)

在SPSS，分析-描述统计-探索-绘制，勾选“带检验的正态图”，得到结果，如图

其中，KS检验和SW检验都是检验正态性的方法，一般来说，大样本量看KS，小样本量看SW检验。具体大样本小样本的分界线，有说50，有说2000，暂时没有找到比较确信的说法。一般来说应该看SW结果就可以了。当Sig >0.5 时，服从原假设，即数据正态分布。

• SPSS 规定:当样本含量3 ≤n ≤5000 时,结果以Shapiro - Wilk (W 检验) 为准,当样本含量n > 5000 结果以Kolmogorov - Smirnov 为准。
• SAS 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。

ANOVA单因素方差分析与R实现

SPSS中，K-S和S-W的判别标准是什么？ - SPSS论坛 - 经管之家(原人大经济论坛)

2. R

• 在R中使用SW检验，只需要用shapiro.test函数即可，如下

> shapiro.test(mydata1)

	Shapiro-Wilk normality test

data:  mydata1
W = 0.9956, p-value = 0.9876

• 如果样本量大，用KS检验，函数为lillie.test （需要安装package，nortest）
• 注意：在R中使用lillefors检验，就相当于在SPSS探索分析中的正态性检验的Kolmogorov-Smirnov的lilliefors的修正值，二者结果是相同的。

> library(nortest)
> lillie.test(mydata1)

	Lilliefors (Kolmogorov-Smirnov) normality test

data:  mydata1
D = 0.047014, p-value = 0.8479

3. 拟合正态分布的数据

• R中，对于正态分布的数据，在R中拟合时，使用mass包的fitdistr进行拟合

> fitdistr(mydata1,"normal")
     mean         sd    
  2.3266621   2.6810912 
 (0.2681091) (0.1895818)

• SPSS中的结果

SPSS-分析-描述统计-描述

4. 对数正态分布求几何均值

• 对于R中的对数正态分布数据，有两种方法进行拟合，一种是，先对原始数据取对数，然后求得取对数后的数据求算术均值，算术均值就是原始数据的几何均值。另一种是直接使用R中的函数（fitdistr，mass包），对呈对数正态分布数据进行拟合，得到几何均值。

> head(mydata2)#构建mydata2，是原始数据的指数次
[1]   1.1282171  12.8190196   0.6023685 885.2254926  19.8563393   0.6303972
> head(mydata1)
[1]  0.1206386  2.5509300 -0.5068858  6.7858424  2.9885233 -0.4614052
> fitdistr(mydata2, "log-normal")
    meanlog      sdlog  
  2.3266621   2.6810912 
 (0.2681091) (0.1895818)

参考：

1. http://www.mamicode.com/info-detail-937349.html

2. 杨斌. 正态性检验的几种方法比较[J]. 统计与决策, 2015(14):72-74.