python检验数据正态分布_看SPSS如何检验数据是否服从正态分布

看SPSS如何检验数据是否服从正态分布

微生物生态学研究往往是“三分靠实验，七分靠分析”，很多分析的前提是需要你的数据服从正态分布。

如何检验数据是否服从正态分布呢？

在SPSS中，正态分布的检验方法有：计算偏度系数（Skewness）和峰度系数（Kurtosis）、Kolmogorov-Smirnov检验（KS检验或D检验）、Shapiro-Wilk（SW检验或W检验）、直方图、QQ图等。

下面本葱通过具体例子给大家介绍如何用SPSS检验数据是否为正态分布：

首先需要有一组数据，如：74 75 78 77 80 80 90 76 62 79，按下述格式输入SPSS中。

依此点击分析-描述统计-描述

就会看到下述图片，点击绘制，我们可以选择输出图片（茎叶图、直方图），如果想要输出图片，在输出应该选择两者都。选择确定，就可以看到结果了。

输出结果如何解读？

此表，是对数据的统计描述，我们可以关注下最下方的偏度（Skewness）和峰度（Kurtosis）。

偏度SK越趋近0，数据越服从正态分布，众数=中位数=平均数；SK>0，为正偏态或左偏，众数<中位数<平均数；SK<0，为负偏态或右偏，众数>中位数>平均数。

峰度KG越趋近3，数据越服从正态分布；KG>3，峰度尖锐；KG<3，峰度扁平。（或exceess_KG=KG-3，exceess_KG越趋近0，数据越服从正态分布）

但是仅根据偏度和峰度还不足以判断数据是否服从正态分布，需要做进一步的检验。

上表是生成的KS检验（D检验）和SW检验（W检验）的检验结果，此处我们关注的显著性是Sig.即P值。当P>0.05时，可以认为数据是呈正态分布的。

由上表可以看出，KS检验和SW检验显著性均>0.05。

由于样本数量为10，小样本时关注SW检验的结果，所以此处显著性0.145，可以认为数据是正态分布的。

在输出结果部分还可以生成直方图、茎叶图、QQ图等，可以根据图形做出观测，若要检验是否服从正态分布还是需要用算法进行检测。