当我们应用统计方法对数据进行分析时,会发现许多计量资料的分析方法,例如常用的T检验、方差分析、相关分析以及线性回归等等,都要求数据服从正态分布或者近似正态分布,但这一前提条件往往被使用者所忽略。因此为了保证数据满足上述统计方法的应用条件,对原始数据进行正态性检验是十分必要的,这一节内容我们主要向大家介绍如何对数据资料进行正态性检验。
1、偏度(Skewness):描述数据分布不对称的方向及其程度(见图1)
注意:数据分布的左偏或右偏,指的是数值拖尾的方向,而不是峰的位置,容易引起误解。
2、峰度(Kurtosis):描述数据分布形态的陡缓程度(图2)
利用偏度和峰度进行正态性检验时,可以同时计算其相应的Z评分(Z-score),即:偏度Z-score=偏度值/标准误,峰度Z-score=峰度值/标准误。在α=0.05的检验水平下,若Z-score在±1.96之间,则可认为资料服从正态分布。
3、SPSS操作方法
方法1:打开数据源,点击「分析」中的「描述统计」,在点击「频率」;把需要分析的变数放置「变数(V)」,点击「统计」,勾选「偏度」和「峰度」;
方法2:在若上步骤中点击「描述」选择菜单页中的「偏度」和「峰度」;
4、结果解读
从如上结果来看x2数据偏向于服从正态分布。
1、直方图:表示连续性变数的频数分布,可以用来考察是否服从正态分布
(1)选择「图形」下拉菜单中的「旧对话框」,选择「旧对话框」中的「直方图」;
(2)把变数「x2」放入变数框中,勾选「显示正态曲线」;生成的图像如下
2、P-P图和Q-Q图
(1)P-P图反映了变数的实际累积概率与理论累积概率的符合程度,Q-Q图反映了变数的实际分布与理论分布的符合程度,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。若数据服从正态分布,则数据点应与理论直线(即对角线)基本重合。
(2)SPSS操作:
使用Q-Q图生成的图像如下:
1、正态性检验属于非参数检验,原假设为「样本来自的总体与正态分布无显著性差异,即符合正态分布」,也就是说P>0.05才能说明资料符合正态分布。
2、