spss正态性检验_SPSS中的正态性检验之一：图示法

有些统计方法只适用于正态分布或近似正态分布资料，如用均数和标准差描述资料的分布特征，用正态分布法确定正常值范围等。因此，在应用这些方法前，通常要判断资料是否服从正态分布，或者样本是否来自正太分布总体，这就是正态性检验（Test of Normality）。

一、基本概念

正态分布的特征，归纳起来有两点：一是对称性（Symmetry），二是峰度（Kurtosis）。分布不对称的就是偏态（Skewness），有正偏态和负偏态。峰度也分为两种，一种是尖峭峰（Leptokurtosis），另一种是平阔峰（Platykurtosis）。

正态性检验分为两大类，一是图示法，主要采用概率图（Probability-probability Plot，P-P图）和分位数图（Quantile-quantile Plot，Q-Q图）。其中，P-P图是以样本的累计频率作为横坐标，以按照正态分布计算的相应累计概率作为纵坐标，把样本值表现为直角坐标系中的散点。如果资料服从正态分布，则样本点应该围绕第一象限的对角线分布。Q-Q图则是以样本的分位数作为横坐标，以按照正态分布计算的相应分位数作为纵坐标，把样本表现为直角坐标系的散点。如果资料服从正态分布，则样本点应该呈一条围绕第一象限对角线的直线。这两种方法中，以Q-Q图法的效率较高。

二是计算法。计算法又分为两种，一种是对偏度和峰度各用一个指标来评定，如矩法；另一种是对偏度和峰度用一个综合指标来评定，如W检验，这些内容我们在下一节中进行介绍。

下面，我们通过实例来看看在SPSS中如何进行正态性检验。

某地40名30~49岁健康男子血清总胆固醇（mmol/L）的测定结果如下表，试对该资料进行正态性检验。

某地40名30~49岁健康男子血清总胆固醇（mmol/L）的测定结果

4.76	3.36	6.13	3.94	3.55	4.22	4.30	4.70	5.68	4.55
4.37	5.38	6.29	5.20	7.21	5.53	3.92	5.20	5.17	5.76
4.78	5.12	5.19	5.09	4.69	4.73	3.50	4.37	4.88	6.24
5.31	4.49	4.62	3.60	4.44	4.42	4.03	5.84	4.08	3.34

二、运用P-P图法进行正态性检验操作过程如下：

1. 建立数据集

2. 点击“分析”-“描述统计”-“P-P图”

3. “P-P图”操作界面，点击“OK”

4. “P-P”图结果。“P-P图”的结果分为正态P-P图和去趋势的正态P-P图。

从正态P-P图结果看，数据点基本分布在对角线上，表明预期累计概率与实测累计概率十分吻合，说明资料服从正态分布。

为进一步考虑实测累积概率与预期累积概率间的差别，从去趋势的正态P-P图（即累积概率的残差图）可以看出，残差基本在Y=0上下均匀分布，绝大多数残差的绝对值均在0.04以内，说明数据的正态性较好。

三、运用Q-Q图进行正态性检验

1.建立数据集

2.点击“分析”-“描述统计”-“Q-Q图”

3.“Q-Q图”操作界面，点击“OK”

4.“Q-Q”图结果。“Q-Q图”的结果分为正态Q-Q图和去趋势的正态Q-Q图。

从正态Q-Q图结果看，显示结果与P-P图基本一致，只不过Q-Q图的数据点的横、纵坐标分别是实际的分位数和被检验分布的理论分位数。数据点紧密围绕着对角线分布，说明资料服从正态分布。

从去趋势的正态Q-Q图，即分位数的残差图可以看出，残差基本在Y=0上下均匀分布，绝大多数残差的绝对值都在0.6以内，说明数据的正态性很好。