2021-06-10

（一）偏度

（1）定义

描述数据分布形态的统计量。

（2）图示

正偏态（positively skewed）：偏度>0，数据左端有较多的极端值，数据均值左侧的离散程度强。均值M<中位数Md<众数Mo
负偏态（negatively skewed）：偏度<0，数据右端有较多的极端值，数据均值右侧的离散程度强。均值M>中位数Md>众数Mo

（3）公式

偏度系数（coefficient of skewness）：

偏度绝对值越大表示数据分布偏斜程度越大
当观测数目N>200时，这个偏度系数的统计量g1才可靠。

（二）峰度

（1）定义

描述总体中所有取值分布形态陡峭程度的统计量。

（2）图示

峰度（kurtosis）：
峰度>0：低峰态
峰度<0：尖峰态
峰度=0：正态分布的峰度

（3）公式

峰度系数（coefficient of kurtosis）：

峰度绝对值越大，越陡峭；越小，越平缓。
当N>1000时，g2值才比较可靠。

（三）spss操作及结果

（1）spss操作及结果

数据：
注：本次使用数据较少，结果并不可靠，参考过程即可

spss操作：

分析-描述统计-描述

选入变量-选项-勾选峰度和偏度

结果：

偏度=-0.848<0，-0.848/0.309=-2.74>1.96，因此不服从正态分布，且为负偏态；

峰度=1.383>0，1.383/0.608=2.27>1.96，因此不服从正态分布，且为尖峰。