使用SPSS分析正态分布

简介

本练习用到工作满意度的数据， 使用SPSS 工具，查看数据是否满足正态分布，可用于定量分析。

峰度（Kurtosis 上下偏 ）与偏度（Skewness 左右偏）是测量数据正态分布特性的两个指标。

• 单变量 univariable 检查（一个值对另一个值的影响）， Kurtosis & Skewness >=正负1.96
• 多变量multivariable检查（多个值对一个结果值的影响） 
  • Kurtosis >=正负20
  • Skewness>=正负3
  •  Pvalue>0.05

SPSS步骤：

• Raw data 导入元数据 

• Remove Missing/Suspicious data删除空值或者可疑值

          可疑：例如重复，都是同一个结果的值

• Univarible 单变量检查

       Calculate Kurtosis & Skewness（分析-描述性分析-描述）  

1. 在SPSS菜单的数据视图中，选择菜单：分析-描述性统计-描述，选择所有变量，和选择保存标准化值作为变量。

        2.  在选项option- 分布distribution中 选择Kurtosis & Skewness

        3. 点继续，确认后开始计算

               4. 由于Kurtosis & Skewness   >=+/- 1.96（Education，Burnout等）不符合正态分布。 

• Remove outlier 删除异常值

使用SPSS 分析-描述性分析-频率 找出异常值

1. 菜单选择 decriptive statistics - frequency ， 只选择Z开头的变量（上一步添加的标转化值变量），不要选中display frequency table。

                2. 点统计：在dispersion 分散中选中最大，最小值。

        3. 在生成的Frequency 表中， 找最大值超过4的Z列 Zchildren 和Zburnout

        4. 在数据视图dataview， 对Zchildren 按照降序排列 ，找到值大于4的行删除掉

                 同理，ZBurnout 按照降序排列 ，找到值大于4的行删除

       

• Multivariable 多变量检查

1.  使用SPSS 回归-线性分析 计算mahalanbis 
2. 使用webpower（WebPower - Statistical Power Analysis and Sample Size Planning for Univariate and multivariate skewness and kurtosis calculation）计算 kurtosis， skewness, Pvalue

步骤

1. 数据视图，菜单分析 - 回归-线性

2. 选中因变量dependent（DV -depedent variable）和自变量（IV-independent variable）。

因为满意度是本数据的最终结果，作为因变量dependent variable， 而其他所有都是影响满意度的变量作为自变量。

3. 在Save选项中找到mahalanbis ，点继续（上图）

4. 回到data view ，查看MAH_1列按照升序排列，删除空值行

5. 保存spss 数据文件jobsatisfaction, 在https://webpower.psychstat.org/models/kurtosis/  导入数据，填写变量列为1-25 ， 即gender-south

6. 生成结果，查看

1. 单变量：skewness 和kurtosis 值是否 +-1.96
2. 多变量，  查看 kurtosis  大于正负20， skewness 大于正负3， p值大于0.05
3. 结论：
   1. 单变量评估：Education，Supervision 不符合大于等于正负1.96 不符合正态分布
   2. 多变量评估：Skewness =157.2671 大于3， Kurtosis=639.9940大于20， P-value 小于0.05， 不符合正态分布。因为，只能做无参数测试non-parameter test。