SPSS數(shù)據(jù)正態(tài)性檢驗(yàn)解析.ppt

1、SPSS數(shù)據(jù)正態(tài)性檢驗(yàn)解析,例：請(qǐng)對(duì)某大學(xué)學(xué)生的身高資料進(jìn)行分析，是否符合正態(tài)分布,1.,2.,3.,結(jié)果部分：,解析： 偏度0，尾部向右延伸 偏度0 比正態(tài)分布的高峰更加陡峭尖頂峰（瘦）峰度0 比正態(tài)分布的高峰來(lái)得平臺(tái)平頂峰（胖）,SAS規(guī)定:n2000，以Shapiro-Wilk(W檢驗(yàn))為準(zhǔn)；n2000，以Kolmogorow-Smirnov(D檢驗(yàn))為準(zhǔn),如果整個(gè)圖逆時(shí)針轉(zhuǎn)90度，就變成變相的直方圖，也是反映分布形態(tài)的，但信息含量遠(yuǎn)大于直方圖（分布及數(shù)值大小）。 以倒數(shù)第二行為例，最左邊的17是指右邊的小數(shù)點(diǎn)后面有17個(gè)數(shù)字。17是莖，0001114是17個(gè)樹(shù)葉，最后一行主干寬度是10

2、，意味上面數(shù)字得放大10倍，意思是有3個(gè)180,3個(gè)181。 &為零碎葉子的標(biāo)志。因葉子太小或太大無(wú)法在圖中顯示，用 &表示。,解讀： P-P圖反映了變量的實(shí)際累積概率與理論累積概率的符合程度，Q-Q圖反映了變量的實(shí)際分布與理論分布的符合程度，兩者意義相似，都可以用來(lái)考察數(shù)據(jù)資料是否服從某種分布類型。若數(shù)據(jù)服從正態(tài)分布，則數(shù)據(jù)點(diǎn)應(yīng)與理論直線（即對(duì)角線）基本重合。 本例數(shù)據(jù)很多不在參考線上，不符合正態(tài)分布，與前W檢驗(yàn)結(jié)果一致。,P-P圖,Q-Q圖,注意： 事實(shí)上，Shapiro-Wilk檢驗(yàn)及Kolmogorov-Smirnov檢驗(yàn)從實(shí)用性的角度，遠(yuǎn)不如圖形工具進(jìn)行直觀判斷好用。在使用這兩種檢驗(yàn)

3、方法的時(shí)候要注意： 當(dāng)樣本量較少的時(shí)候，檢驗(yàn)結(jié)果不夠敏感，即使數(shù)據(jù)分布有一定的偏離也不一定能檢驗(yàn)出來(lái)； 當(dāng)樣本量較大的時(shí)候，檢驗(yàn)結(jié)果又會(huì)太過(guò)敏感，只要數(shù)據(jù)稍微有一點(diǎn)偏離，P值就會(huì)0.05，檢驗(yàn)結(jié)果傾向于拒絕原假設(shè)，認(rèn)為數(shù)據(jù)不服從正態(tài)分布。 如果樣本量足夠多，即使檢驗(yàn)結(jié)果P0.05，數(shù)據(jù)來(lái)自的總體也可能是服從正態(tài)分布的。 因此，在實(shí)際的應(yīng)用中，往往會(huì)出現(xiàn)這樣的情況，明明直方圖顯示分布很對(duì)稱，但正態(tài)性檢驗(yàn)的結(jié)果P值卻0.05，拒絕原假設(shè)認(rèn)為不服從正態(tài)分布。此時(shí)建議不要太刻意追求正態(tài)性檢驗(yàn)的P值，一定要參考直方圖、P-P圖等圖形工具來(lái)幫助判斷。很多統(tǒng)計(jì)學(xué)方法，如T檢驗(yàn)、方差分析 等，與其說(shuō)要求數(shù)據(jù)嚴(yán)格服從正態(tài)分布，不如說(shuō)“數(shù)據(jù)分布不要過(guò)于偏態(tài)”更為合適。 經(jīng)驗(yàn)法： 一般正態(tài)分布的標(biāo)準(zhǔn)差不會(huì)大于均值的1/3,這是目測(cè)判斷法，最終還是要經(jīng)過(guò)檢驗(yàn)，但如果標(biāo)準(zhǔn)差都大于均數(shù)，一般不太可能正態(tài)分布。,發(fā)現(xiàn)異常值！,P75,P50,P25,雖然箱式圖一般用于判定數(shù)據(jù)是否存在異常值，但如果細(xì)心，上方很多離群值，數(shù)據(jù)像大的方向拖尾，結(jié)果與直方圖判讀一致。,按照SPSS默認(rèn)選項(xiàng)，如果所有數(shù)據(jù)都在四分位點(diǎn)1.5倍盒子長(zhǎng)度內(nèi)，則線的端點(diǎn)為最大值和最小值，否則線長(zhǎng)度就是1.5倍盒子長(zhǎng)度（盒子長(zhǎng)度等于四分位間距），在其外的值單獨(dú)點(diǎn)