SPSS > 使用技巧 > 如何使用SPSS检验数据是否服从正态分布—KS检验与Q-Q图

如何使用SPSS检验数据是否服从正态分布—KS检验与Q-Q图

发布时间:2021-01-06 11: 35: 34

在使用IBM SPSS Statistics参数检验中的T检验时,一般情况下,都需先验证数据是否服从正态分布。如果服从正态分布的话,就可以执行T检验;反之,则需要使用非参数检验的方法。

那么,该如何使用SPSS检验数据是否服从正态分布呢?我们可以使用非参数检验中的KS检验、图表中的Q-Q图、描述统计中的偏度峰度系数、探索统计的正态验证来进行数据的正态分布检验。本文会先重点介绍KS检验与Q-Q图。

一、KS检验

KS检验,是Kolmogorov-Smirnov检验的简称,中文译为柯尔莫哥洛夫-斯米尔诺夫检验,是一种检验拟合优度的检验方法,可用于检验数据是否服从理论分布,比如是否服从正态分布。

接下来,我们使用一组初中生的身高数据来作为示例数据。

图1:示例数据

然后,如图2所示,在SPSS的非参数检验菜单中,打开单样本KS检验功能。

图2:KS检验功能

如图3所示,在KS检验设置面板中,重点是要进行检验变量与检验分布的设置。本例需要检验的是身高样本数据是否服从正态分布,因此,需要将身高变量添加到检验变量,并勾选检验分布中的“正态”选项。

在正态检验选项中,一般情况下,选择默认的“使用样本数据”即可。

图3:KS检验设置

然后,再打开选项面板,勾选所需的统计数值(建议勾选描述)与缺失值的处理方式。

图4:选项设置

完成检验设置后,运行检验。

如图5所示,在KS检验结果中,可以看到,当前检验的分布是正态分布,而其渐进显著性数值为0.00<0.05,因此拒绝原假设,也就是说,示例身高样本数据不符合正态分布。

图5:KS检验结果

二、Q-Q图

Q-Q图,是Quantile-Quantile图的简称,通过计算两个数据的分位数来绘制散点图,从而检验数据是否服从理论分布。

正态Q-Q图,即实测值与预期的正态值组成的散点图。如果数据服从正态分布的话,数值在Q-Q图的分布会呈现直线型;反之则不服从正态分布。

Q-Q图属于SPSS描述统计中的一种,如图6所示,依次单击分析-描述统计-Q-Q图。

图6:Q-Q图功能

如图7所示,基于本文的数据验证目的—验证身高样本数据是否服从正态分布,需将身高变量添加到变量选项,并在检验分布中选取“正态”选项。其他选项,一般情况下,保持默认即可。

图7:Q-Q图设置

完成以上设置后,运行检验。

从图8的身高正态Q-Q图看到,散点图上的数值似乎接近与直线很接近。但由于身高的差别数值较小,我们还需要具体看看数值与直线的偏离大小。

图8:身高正态Q-Q图

从图8的去趋势正态Q-Q图看到,实际上,实测值与正态的偏差还是比较大的,因此,不能确切说明身高样本数据服从正态分布。

图9:去趋势正态Q-Q图

三、小结

综上所示,通过正态Q-Q图,我们可以直观地观察到数据的正态分布情况,但当数值与直线有一定偏离的情况下,还需要借助去趋势正态Q-Q图,以及KS检验来进一步检验数据的正态性。

除了KS图与Q-Q图外,SPSS的描述统计、探索统计也可以帮助我们进行正态检验,如需获取该部分内容,可前往IBM SPSS Statistics中文网站。

作者:泽洋

展开阅读全文

︾

标签:SPSS,T检验

读者也访问过这里:
SPSS Statistics
强大的数据分析平台
立即购买
微信群
官方微信群 立即加群
400-8765-888 kefu@makeding.com
热门文章
SPSS数据分析显著性差异分析步骤 SPSS显著性差异分析结果怎么看
数据的显著性差异分析主要有三种方法,分别是卡方检验、T检验和方差分析。这三种方法都有具体的数据要求:卡方检验是对多个类别的数据进行分析,T检验是对两组数据进行分析,方差分析是对多组数据进行检验。下面,小编具体说明一下SPSS数据分析显著性差异分析步骤,SPSS显著性差异分析结果怎么看。
2022-01-07
实践SPSS单因素方差分析之检验结果解读
在《实践SPSS单因素方差分析之变量与检验方法设置》一文中,我们已经详细地演示了IBM SPSS Statistics单因素方差分析方法的变量选择以及相关的选项、对比设置。
2021-01-11
spss如何做显著性分析 spss显著性差异分析怎么标abc
在统计分析中,显著性分析是分析相关因素之间是否存在显著影响关系的关键性指标,通过它可以说明分析结论是否由抽样误差引起还是实际相关的,可论证分析结果的准确性。下面大家一起来看看用spss如何做显著性分析,spss显著性差异分析怎么标abc。
2022-03-14
SPSS回归分析中的f值是什么 SPSS回归分析F值在什么范围合适
回归分析中以R表示相关性程度的高低,以F评价回归分析是否有统计学的意义,使用IBM SPSS Statistics进行回归分析,可以非常快速的完成R,F的计算,并且给出回归曲线方程,那么,SPSS回归分析中f值是什么?SPSS回归分析F值在什么范围合适,本文结合实例向大家作简单的说明。
2022-07-22
SPSS多元logistic回归分析的使用技巧
回归分析是数据处理中较为常用的一类方法,它可以找出数据变量之间的未知关系,得到较为符合变量关系的数学表达式,以帮助用户完成数据分析。
2021-04-26
SPSS相关性分析结果怎么看
相关性分析是对变量或个案之间相关度的测量,在SPSS中可以选择三种方法来进行相关性分析:双变量、偏相关和距离。
2021-04-23
最新文章
SPSS多重线性回归分析怎么做 SPSS多重线性回归分析结果解读
多重线性回归分析,就是研究一个因变量和多个自变量的线性关系。与简单的回归分析不同,这里会涉及到多个自变量,比如研究影响销售额的因素,可能会包含客流量、销售量等,这些因素与销售额之间就可以构成多重线性关系,在SPSS软件中,可以轻松进行多重线性回归分析,接下来我们会介绍SPSS多重线性回归分析怎么做,SPSS多重线性回归分析结果解读的相关内容。
2026-11-04
SPSS中如何设置哑变量 如何用SPSS设置哑变量做Logistic回归
如果分析的数据中包含了一些分类变量,比如性别、地区、类型等,为了让这些分类变量可以参与数值运算,可以在研究分析数据前,将它们设置为哑变量,这样就能给它们赋予数值含义。在SPSS的软件使用中,可以在Cox回归、Logistic回归、线性回归等分析方法中设置哑变量。接下来,我们会介绍SPSS中如何设置哑变量,如何用SPSS设置哑变量做Logistic回归的相关内容。
2026-11-04
SPSS几何均数怎么输入数据 SPSS怎么计算几何均数的平均值
几何均数,与常用的均值一样,都可以用来描述数据的集中趋势。所不同的是,均值是用所有数据的和除以个数,而几何均数是用所有数据的乘积来开n次方根。所以,几何均值相对于均值来说,更不容易受到极端值的影响,比较适合用来计算比例、比率等。接下来我们会介绍SPSS几何均数怎么输入数据,SPSS怎么计算几何均数的平均值的相关内容。
2026-11-04
SPSS概率分析如何进行预测 SPSS如何做概率分布函数
概率分析指的是统计学中利用数理统计的方法对事件发生可能性进行分析和预测的一种分析方法,它的核心概念就是在充满不确定性的情况下,尽可能地预测某个事件发生的概率。概率分析在生物医疗领域的应用十分广泛,例如通过研究某种农药不同浓度情况下,害虫的死亡情况,可以得出该农药的“刺激强度”与“响应比例”关系,这就是概率分析中常用的一种分析方法,也是SPSS软件中“概率分析”功能所采用的分析方法。本文就介绍关于SPSS概率分析如何进行预测,SPSS如何做概率分布函数的相关内容。
2026-11-04
SPSS如何数据分组 SPSS如何将数据分组做频数分布表
我们如果手上的数据比较杂乱,让人找不到头绪的话,建议先给数据做一下分组,并统计不同分组的频数、比例等统计量,这样会更容易数据的分布规律并找到合适的分析方法。在一些分数、绩效、销售量统计中,常常会应用到数据分组的方法,接下来我们会介绍SPSS如何数据分组,SPSS如何将数据分组做频数分布表的相关内容。
2026-11-03
SPSS怎么进行变量降维分析 SPSS降维分析结果解读
在做一些品牌分析、消费者分析时,如果涉及到的变量比较多,而且变量之间可能存在共线性时,我们常常会先应用变量降维分析,来精简一些变量,让数据的研究分析变得更简单。在SPSS软件中,可以轻松地利用因子分析功能来实现变量的降维。接下来我们会介绍SPSS怎么进行变量降维分析,SPSS降维分析结果解读的相关内容。
2026-11-03

微信公众号

欢迎加入 SPSS 产品的大家庭,立即扫码关注,获取更多软件动态和资源福利。

读者也喜欢这些内容: