cif t t操作流程图_正态分布方法判别，独立样本T检验及Mann-Whitney U 检验操作

一个连续型变量数据是否符合正态分布，通常有以下两种情况：一种情况是数据本身整体的分布是否符合正态分布；另一种就是数据在某个分组上是否符合正态分布。

检验数据本身整体是否符合正态分布

下面是为了分析菌群α多样性指数Chao1，Shannon以及observed_otus指数在正常和模型组之间有无显著性差异，所以需要先分析Shannon这一列数据是否符合正态分布（图1）

SPSS中的操作步骤：

①依次点击：“分析”-“非参数检验”-“旧对话框”-“单样本K-S”（图2），在弹出的对话框中，将“年龄”选入右侧栏中，并在下方“检验分布”中勾选“正态”（图3）选项。然后点击确定。

②分析结果

从上方SPSS的输出结果可以看出：渐近显著性（双侧）为0.073大于0.05，意味着Shannon数据整体是符合正态分布的。

检验变量在某个分组上是否符合正态分布

还是用上面的案例，如果要比较不同组别的Shannon是否有差异，这时候就需要检验Shannon在不同组别上是否符合正态分布。

操作步骤：

①依次点击：“分析”-“描述统计”-“探索”

②在弹出的窗口中，将“Shannon”选入因变量列表，将“性别”选入“Group”列表

③设置参数，点击右侧的“图”按钮，勾选“含检验的正态图”，点击继续，再点击确定。

④结果分析，在结果界面点击左侧“正态性检验”标签，在右侧的正态性检验表中，看夏皮洛-威尔克那部分的显著性水平

由上图可以看出1分组P>0.05，2分组P>0.05，这里注意了：当所有分组的P都大于0.05，就能说是符合正态分布，只要有一个分组的P小于0.05，就拒绝变量符合正态分布的结论。Shannon在分组上就符合正态分布了，所以就可以使用参数类的t检验，若不符合就使用非参数Mann-Whitney检验了。

独立样本t检验操作步骤：

①点击“分析”--“比较平均值”--“独立样本t检验”

②将Shannon选入右侧检验变量，将Group选入分组变量

③点击“定义组”，设置性别的分组编码，然后点击确定进行运算

④结果分析

基于来莱文方差等同性检验，如果方差齐，就选择第一行的T检验结果，如果方差不齐则接受第二行的T检验结果。这里判定方差齐性的标准为莱文方差等同性检验的显著性，基于本例为0.107>0.05，意味着原假设方差齐成立，接受假设方差齐。因此这里的T检验结果为：T=0.499，P=0.631>0.05。所以Shannon指数在正常与模型组之间没有显著性差异。

Mann-Whitney U 检验操作步骤：

Mann-Whitney U 检验是用得最广泛的两独立样本秩和检验方法。简单的说，该检验是与独立样本t检验相对应的方法，当正态分布、方差齐性等不能达到t检验的要求时，可以使用该检验。其假设基础是：若两个样本有差异，则他们的中心位置将不同。

为了分析菌群α多样性指数Chao1，Shannon以及observed_otus指数在正常和模型组之间有无显著性差异

SPSS数据视图：

变量视图：

进入菜单如下图：

点击进入如下的界面，“目标”选项卡定制分析

进入“字段”选项卡，将“Group”选入“检验字段”框，将“Chao1,Shannon和Observe-otus”选入“检验字段”框中。

再进入“设置”选项卡，选中“定制检验”单选按钮，选择“Mann-Whitney U（二样本）”检验。点击“运行”即可。

四、结果解读

这是输出的主要结果，零假设是“在Group类别上，Shannon等分布相同”，其P=0.690,0.548,0.421>0.05，故保留原假设，认为这三个指数在正常组与模型组之间没有统计学差异。

参考来源：公众号：杏花开生物医药统计；王江源新浪博客；知乎:Alex

本人非数据分析科班出身，本文是在科研过程中自己的总结，希望会对你有用。