SPSS学习笔记(一)判断是否服从正态分布 | 您所在的位置:网站首页 › 如何判断数据正态分布偏态分布 › SPSS学习笔记(一)判断是否服从正态分布 |
目录 一、正态性检验:图形定性判断 1、直方图 2、P-P图和Q-Q图 二、正态性检验:偏度(Skewness)和峰度(Kurtosis)定量判断,最实用 三、正态性检验:非参数检验分析法 一、正态性检验:图形定性判断 1、直方图在样本量比较大时,可根据直方图及对应的正态概率密度曲线的形状大致判断资料是否服从正态分布。 操作:图形-旧对话框-直方图 结果与分析 上图中横坐标为猪崽体重,纵坐标为猪崽频数。可以看出绘制的直方图与对应的正态分布曲线形状大致相同,基本可以判断资料服从正态分布。 2、P-P图和Q-Q图 P-P图(频率-频率图)反映了实际观测值的累积频率(横坐标)与正态分布的理论累积概率(纵坐标)的符合程度,Q-Q图(分位数-分位数图)反映了实际观测值的分位数(横坐标)与正态分布的理论分位数(纵坐标)的符合程度。两者意义相似,都可以用来考察数据资料是否服从某种分布类型。若检验的分布类型为正态分布,数据点与理论直线(即对角线)基本重合,则基本认为数据服从正态分布。若偏离直线,认为数据可能不服从正态分布。 操作:分析—描述统计—P-P图/Q-Q图 结果与分析 P-P图/Q-Q图中,各点近似围绕着直线,大致能够判断数据呈近似正态分布
具体证明资料是否符合正态分布还要用正态分布指标检验来判定,如峰度、偏度Z-score检验,K-S、S-W检验等。 二、正态性检验:偏度(Skewness)和峰度(Kurtosis)定量判断,最实用
操作:分析-描述统计-探索 结果及分析 在结果输出的Tests of Normality部分,给出了Shapiro-Wilk检验及Kolmogorov-Smirnov检验的结果,考虑到样本量≤5000,属于小样本资料,Shapiro-Wilk检验的P值为0.147,在α=0.05的检验水准下,P>0.05,不拒绝原假设,可认为资料服从正态分布。 |
CopyRight 2018-2019 实验室设备网 版权所有 |