SPSS 是一種功能強(qiáng)大的統(tǒng)計(jì)分析軟件，常用于數(shù)據(jù)清理、探索性數(shù)據(jù)分析、假設(shè)檢驗(yàn)等數(shù)據(jù)處理任務(wù)。在進(jìn)行假設(shè)檢驗(yàn)時(shí)，我們通常需要判斷數(shù)據(jù)是否符合正態(tài)分布，因?yàn)楹芏?a href='/map/jiashejianyan/' style='color:#000;font-size:inherit;'>假設(shè)檢驗(yàn)方法都要求數(shù)據(jù)服從正態(tài)分布。在 SPSS 中，可以通過多種方法來判斷數(shù)據(jù)是否符合正態(tài)分布，本文將介紹如何使用 K-S 檢驗(yàn)和 S-W 檢驗(yàn)以及對(duì)它們的樣本量要求。

什么是正態(tài)分布？

正態(tài)分布（normal distribution）是概率論中最重要的概率分布之一，其形狀呈鐘形曲線，左右對(duì)稱，平均值等于中位數(shù)等特點(diǎn)。許多自然現(xiàn)象和社會(huì)現(xiàn)象都服從正態(tài)分布，如身高、體重、智力分?jǐn)?shù)等。

SPSS 如何判斷數(shù)據(jù)是否符合正態(tài)分布？

SPSS 中可以通過多種方法來判斷數(shù)據(jù)是否符合正態(tài)分布，這里介紹兩種常見的方法：K-S 檢驗(yàn)和 S-W 檢驗(yàn)。

K-S 檢驗(yàn)

K-S（Kolmogorov-Smirnov）檢驗(yàn)是一種非參數(shù)檢驗(yàn)方法，其基本思想是比較樣本分布與標(biāo)準(zhǔn)正態(tài)分布或其他已知分布的差異程度。具體步驟如下：

1. 設(shè)置假設(shè)：
   • H0：樣本數(shù)據(jù)與標(biāo)準(zhǔn)正態(tài)分布或其他已知分布無顯著差異；
   • H1：樣本數(shù)據(jù)與標(biāo)準(zhǔn)正態(tài)分布或其他已知分布有顯著差異。
2. 計(jì)算樣本的累計(jì)分布函數(shù)（CDF）和期望的累計(jì)分布函數(shù)，即標(biāo)準(zhǔn)正態(tài)分布或其他已知分布的 CDF。
3. 計(jì)算兩個(gè)累計(jì)分布函數(shù)之間的最大差值（D 值），并計(jì)算其 p 值。如果 p 值小于等于顯著性水平 alpha，則拒絕原假設(shè)，認(rèn)為樣本數(shù)據(jù)不符合正態(tài)分布。

在 SPSS 中進(jìn)行 K-S 檢驗(yàn)的具體步驟如下：

1. 打開需要分析的數(shù)據(jù)文件，并選擇“分析”菜單中的“非參數(shù)檢驗(yàn)”→“單樣本 K-S 檢驗(yàn)”命令。
2. 在彈出的對(duì)話框中，選擇需要檢驗(yàn)的變量，并輸入期望的分布類型（比如標(biāo)準(zhǔn)正態(tài)分布）。
3. 設(shè)定顯著性水平（一般取 0.05），然后點(diǎn)擊“確定”即可得到檢驗(yàn)結(jié)果。

K-S 檢驗(yàn)的優(yōu)點(diǎn)是不需要對(duì)數(shù)據(jù)進(jìn)行任何假設(shè)，但它也有一些缺點(diǎn)，例如對(duì)樣本量和分布的偏斜程度較為敏感，且只能檢驗(yàn)單個(gè)變量是否符合正態(tài)分布。

S-W 檢驗(yàn)

S-W（Shapiro-Wilk）檢驗(yàn)也是一種常用的正態(tài)性檢驗(yàn)方法，它基于樣本數(shù)據(jù)的標(biāo)準(zhǔn)化值，具有較好的效率和精度。其基本思想是比較樣本數(shù)據(jù)與標(biāo)準(zhǔn)正態(tài)分布的差異程度。具體步驟如下：

1. 設(shè)置假設(shè)：
   • H0：樣本數(shù)據(jù)與標(biāo)準(zhǔn)正態(tài)分布無顯著差異；
   • H1：樣本數(shù)據(jù)與標(biāo)準(zhǔn)正態(tài)分布有顯著差異。
2. 計(jì)算樣本數(shù)據(jù)的標(biāo)準(zhǔn)化值和期望的標(biāo)準(zhǔn)化值（即標(biāo)準(zhǔn)正態(tài)分布的 Z 值）。
3. 計(jì)算統(tǒng)計(jì)量 W，并計(jì)算

其 p 值。如果 p 值小于等于顯著性水平 alpha，則拒絕原假設(shè)，認(rèn)為樣本數(shù)據(jù)不符合正態(tài)分布。

在 SPSS 中進(jìn)行 S-W 檢驗(yàn)的具體步驟如下：

1. 打開需要分析的數(shù)據(jù)文件，并選擇“分析”菜單中的“描述性統(tǒng)計(jì)”→“探索性數(shù)據(jù)分析”命令。
2. 在彈出的對(duì)話框中，選擇需要檢驗(yàn)的變量，然后點(diǎn)擊“圖形”選項(xiàng)卡，勾選“正態(tài) Q-Q 圖”和“S-W 檢驗(yàn)”，最后點(diǎn)擊“確定”按鈕即可得到檢驗(yàn)結(jié)果。

與 K-S 檢驗(yàn)相比，S-W 檢驗(yàn)更加穩(wěn)健，對(duì)樣本量和分布的偏斜程度不敏感。但它也有一些缺點(diǎn)，例如對(duì)極端值比較敏感，且只能檢驗(yàn)單個(gè)變量是否符合正態(tài)分布。

K-S 和 S-W 檢驗(yàn)對(duì)樣本量的要求

K-S 和 S-W 檢驗(yàn)對(duì)樣本量的要求略有不同。一般來說，樣本量越大，判斷正態(tài)性的效果越好，因此建議在進(jìn)行正態(tài)性檢驗(yàn)時(shí)盡可能增加樣本量。下面是 K-S 和 S-W 檢驗(yàn)對(duì)樣本量的具體要求。

• K-S 檢驗(yàn)：樣本量應(yīng)大于 20，否則可能產(chǎn)生誤判。如果樣本量較小，可以采用 Lilliefors 修正后的 K-S 檢驗(yàn)。
• S-W 檢驗(yàn)：樣本量建議在 50 到 200 之間，如果樣本量超過 200，則 S-W 檢驗(yàn)的效果會(huì)變差。

需要注意的是，雖然 K-S 和 S-W 檢驗(yàn)對(duì)樣本量的要求不同，但它們都假設(shè)樣本來自一個(gè)連續(xù)分布且獨(dú)立同分布，因此對(duì)于非連續(xù)型數(shù)據(jù)或存在相關(guān)性的數(shù)據(jù)，應(yīng)該采用其他方法來進(jìn)行正態(tài)性檢驗(yàn)。

結(jié)論

在 SPSS 中，可以使用 K-S 和 S-W 檢驗(yàn)來判斷數(shù)據(jù)是否符合正態(tài)分布。K-S 檢驗(yàn)通常適用于大樣本量的情況下，而 S-W 檢驗(yàn)更加穩(wěn)健，適用于樣本量在 50 到 200 之間的情況。此外，需要注意的是，正態(tài)性檢驗(yàn)只是判斷數(shù)據(jù)是否符合正態(tài)分布，無法證明數(shù)據(jù)一定服從正態(tài)分布，因此在進(jìn)行假設(shè)檢驗(yàn)時(shí)仍要謹(jǐn)慎。

想深入學(xué)習(xí)統(tǒng)計(jì)學(xué)知識(shí)，為數(shù)據(jù)分析筑牢根基？那快來看看統(tǒng)計(jì)學(xué)極簡入門課程！

學(xué)習(xí)入口：https://edu.cda.cn/goods/show/3386?targetId=5647&preview=0

課程由專業(yè)數(shù)據(jù)分析師打造，完全免費(fèi)，60 天有效期且隨到隨學(xué)。它用獨(dú)特思路講重點(diǎn)，從數(shù)據(jù)種類到統(tǒng)計(jì)學(xué)體系，內(nèi)容通俗易懂。學(xué)完它，能讓你輕松入門統(tǒng)計(jì)學(xué)，還能提升數(shù)據(jù)分析能力。趕緊點(diǎn)擊鏈接開啟學(xué)習(xí)，讓自己在數(shù)據(jù)領(lǐng)域更上一層樓！