正态分布是统计分析中最重要的分布，也是应用很多假设检验方法的前提条件。
因此，很多时候，我们需要检验一组数据是否服从正态分布。
在对数据进行正态性检验时，通常遵循两个步骤：
第一步：通过图形观察数据是否满足正态分布。
图形可以直观地展示数据的分布形态，可用于初步判断数据是否满足正态分布。
茎叶图、直方图、箱线图和正态Q-Q图都可以用来帮助观察数据是否满足正态分布。
在《SPSS常见图表一览》中向大家介绍了这几种图形。
但单纯通过图形观察数据是否满足正态分布存在一定的主观性，接下来还需要开展最关键的第二步骤。
第二步：通过假设检验检查数据是否满足正态分布。
正态性检验的原假设是：
数据满足正态分布；因此，如果P值＞0.05，则认为数据满足正态分布。
值得注意的是，在SPSS中对数据
进行正态性检验的方法
有两种，它们分别是：
① 柯尔莫戈洛夫-斯米诺夫检验(Kolmogorov-Smirnov test)，简称K-S检验；
② 夏皮洛-威尔克检验(Shapiro—Wilk test)，简称S-W检验。
这两种方法的异同，我在《
正态性检验方法 —— K-S检验和S-W检验的区别
》这篇推文中进行了详细的介绍，大家可以参阅。
通常，我们可以直接应用单样本K-S检验来对数据进行正态分布检验。
同时，在SPSS中对数据
进行正态性检验的菜单
也有两种：
① 使用分析 -> 描述统计 -> 探索菜单检验数据是否满足正态分布；
② 使用分析 -> 非参数检验 -> 单样本非参数检验菜单检验数据的分布形态。
接下来，我会在本文中向大家分别介绍这两种操作方法。
这份数据文件中有128行数据，分别记录了8种产量的黄曲霉毒素含量，部分数据截图如下所示：
假设检验：
我们想要检验黄曲霉毒素变量的数据是否服从正态分布。
原假设和备择假设如下：
H0：
黄曲霉毒素变量的数据服从正态分布；
H1：
黄曲霉毒素变量的数据不服从正态分布；
α=0.05
检验方式一：
选择分析 -> 非参数检验 -> 单样本非参数检验菜单项。
在目标选项卡不需要更改选择，保持默认选项即可；
在字段选项卡，将需要分析的黄曲霉毒素变量选入检验字段；
在设置选项卡，选择定制检验，并勾选检验实测分布和假设分布(柯尔莫戈洛夫-斯米诺夫检验)，在相应的选项中默认选择进行正态分布检验即可。
完成后，点击运行。
对话框如下所示：
得到的分析结果如下所示：
上述只是简单地分析汇总表，双击这个表格，可以进入编辑状态得到更为详尽的结果描述，如下图：
可以看到，
左侧主视图
给出了分析结果的汇总信息。该菜单项使用的正态性检验方法是K-S检验，得到的正态性检验的P值为0.200，远大于0.05，因此要保留零假设H0，认为黄曲霉毒素变量的数据分布服从正态分布。
右侧的辅助视图
给出了更详细的信息。黄曲霉毒素变量的平均值为23.82，标准差为11.312；在128例样本中，实际分布和假设分布之间的正向最大极差为0.070，负向最大极差为-0.040，因此用于计算统计量的绝对值最大极差为0.070，相应的P值远大于0.05。
检验方式二：
选择分析 -> 描述统计 -> 探索菜单项。
将需要分析的黄曲霉毒素变量选入因变量列表；
在图选项卡，默认输出因子级别并置的箱图，并勾选直方图和含检验的正态图，点击继续，点击确定。
对话框如下所示：
得到的分析结果如下所示：
探索性分析结果对数据的描述很详细，不仅输出了文字性的描述统计量，而且还能输出直方图和箱线图，以及Q-Q图来辅助查看数据的分布形态。
从输出的图表来看，数据虽然不完全服从正态分布，但整体还是呈中间高两边低的正态分布形态的。
具体看
正态性检验
结果。该菜单使用了K-S检验、S-W检验这两种方法对数据进行正态性检验。在本案例中，使用K-S检验
(红色框)
得到的P值为0.200，大于0.05，认为数据服从正态分布；但使用S-W检验
(橙色框)
得到的P值为0.001，小于0.05，认为数据不服从正态分布。
此时我们应该如何下结论呢？
因为K-S检验适合用于大数据样本的正态性检验，当样本的数据量超过50行时，它被认为是一个大样本。
我们这个案例的样本数为128，因此我们倾向于看K-S检验的分析结果得出结论。因此，我们要保留零假设H0，认为黄曲霉毒素变量的数据分布服从正态分布。
当然，在实际的研究过程中，为了保证研究的严谨性，我建议大家将两种结果都进行说明。
以上就是在SPSS中进行单样本正态性检验的详细过程，大家可以打开SPSS自行操作练习，更多扩展阅读可点击以下两篇推文：
R语言中5种正态性检验的方法
数据的正态性检验与数据转换
最后，本文主要摘自松鼠的
《SPSS论文数据分析实战》
课程，如果你想要通过视频更快更系统地学习更多SPSS知识，可以点击文末，学习这套课程哦~
案例分析
在此，我将使用SPSS中的自带数据集 aflatoxin.sav 为案例数据，向大家介绍在SPSS中如何检验数据是否服从正态分布。 打开数据集： 选择文件 -> “欢迎”对话框，在欢迎对话框中选择样本文件，选择aflatoxin.sav，选择打开。 SPSS会自动打开这份数据文件。
这份数据文件中有128行数据，分别记录了8种产量的黄曲霉毒素含量，部分数据截图如下所示：
假设检验：
我们想要检验黄曲霉毒素变量的数据是否服从正态分布。
原假设和备择假设如下：
H0：
黄曲霉毒素变量的数据服从正态分布；
H1：
黄曲霉毒素变量的数据不服从正态分布；
α=0.05
检验方式一：
选择分析 -> 非参数检验 -> 单样本非参数检验菜单项。
在目标选项卡不需要更改选择，保持默认选项即可；
在字段选项卡，将需要分析的黄曲霉毒素变量选入检验字段；
在设置选项卡，选择定制检验，并勾选检验实测分布和假设分布(柯尔莫戈洛夫-斯米诺夫检验)，在相应的选项中默认选择进行正态分布检验即可。
完成后，点击运行。
对话框如下所示：
得到的分析结果如下所示：
上述只是简单地分析汇总表，双击这个表格，可以进入编辑状态得到更为详尽的结果描述，如下图：
可以看到，
左侧主视图
给出了分析结果的汇总信息。该菜单项使用的正态性检验方法是K-S检验，得到的正态性检验的P值为0.200，远大于0.05，因此要保留零假设H0，认为黄曲霉毒素变量的数据分布服从正态分布。
右侧的辅助视图
给出了更详细的信息。黄曲霉毒素变量的平均值为23.82，标准差为11.312；在128例样本中，实际分布和假设分布之间的正向最大极差为0.070，负向最大极差为-0.040，因此用于计算统计量的绝对值最大极差为0.070，相应的P值远大于0.05。
检验方式二：
选择分析 -> 描述统计 -> 探索菜单项。
将需要分析的黄曲霉毒素变量选入因变量列表；
在图选项卡，默认输出因子级别并置的箱图，并勾选直方图和含检验的正态图，点击继续，点击确定。
对话框如下所示：
得到的分析结果如下所示：
探索性分析结果对数据的描述很详细，不仅输出了文字性的描述统计量，而且还能输出直方图和箱线图，以及Q-Q图来辅助查看数据的分布形态。
从输出的图表来看，数据虽然不完全服从正态分布，但整体还是呈中间高两边低的正态分布形态的。
具体看
正态性检验
结果。该菜单使用了K-S检验、S-W检验这两种方法对数据进行正态性检验。在本案例中，使用K-S检验
(红色框)
得到的P值为0.200，大于0.05，认为数据服从正态分布；但使用S-W检验
(橙色框)
得到的P值为0.001，小于0.05，认为数据不服从正态分布。
此时我们应该如何下结论呢？
因为K-S检验适合用于大数据样本的正态性检验，当样本的数据量超过50行时，它被认为是一个大样本。
我们这个案例的样本数为128，因此我们倾向于看K-S检验的分析结果得出结论。因此，我们要保留零假设H0，认为黄曲霉毒素变量的数据分布服从正态分布。
当然，在实际的研究过程中，为了保证研究的严谨性，我建议大家将两种结果都进行说明。
以上就是在SPSS中进行单样本正态性检验的详细过程，大家可以打开SPSS自行操作练习，更多扩展阅读可点击以下两篇推文：
R语言中5种正态性检验的方法
数据的正态性检验与数据转换
最后，本文主要摘自松鼠的
《SPSS论文数据分析实战》
课程，如果你想要通过视频更快更系统地学习更多SPSS知识，可以点击文末，学习这套课程哦~
扫一扫
1140
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
