SPSS 教程（简版）：正态性检验与判断

2

单样本正态性检验界面，选入“体重”至“因变量列表”，“图”模块进行正态性检验

① 因变量列表（dependent variable）：这一选框选入检验变量、或者结局变量（是希望去探讨的目标变量）

② 图：见下图：选“含检验的正态图、茎叶图、直方图”

① 茎叶图和直方图，两者都√上。特别是直方图，可以直观地看出数据的分布形态。

② 含检验的正态图：这一选项即进行正态性检验。

3

单样本正态性分析结果及解释

SPSS提供两种正态性检验结果，分别是柯尔莫戈洛夫-斯米诺夫（Kolmogorow-Smironov，KS）检验，另外一个是夏皮洛-威尔克（Shapiro-wilk,SW）。中文翻译起来非常别扭，建议用英文和缩写区别二者。二者结果均有统计量(statistic)，df（自由度），显著性（sig., P值）。

划重点：一般小样本（2000以下）选择SW的方法，本例亦是如此。事实上，可能大部分研究正态性检验选择SW检验方法。正态性检验最重要的是看“显著性”。

因此，本例结论是，P=1.000>0.05，差异没有统计学意义，还不能说明该样本的总体分布是偏态分布，可以认为该体重正态性是符合的。

此外，直方图能够较直观判断数据分布特征。可以看出，体重大致属于中间多两边少的正态分布。

4

多样本正态性检验界面

多样本正态性与单样本正态性检验相似，但“探索”界面稍有不同。

① 因子列表（Factor variable）：这一选框选入分组变量、或者原因变量。本研究分组变量为group（饲料类型），可以分为2组。

② 图：见单样本正态性检验，此处略

5

多样本正态性检验结果及解释

经SW检验，结果为：高蛋白组体重P=0.977，低蛋白组体重P=0.974，没有统计学意义，两组数据正态性均符合。

它们各自的直方图如：

以上为规规矩矩的正态性检验过程，看明白了吗？

正态性检验的实际应用

经常有同学问“我的数据正态性检验P0.05;

第2类：正态分布不符合，P