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:SPSST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拆分文件后怎么恢复 SPSS拆分文件后部分数据消失怎么办
在数据分析领域,如果对繁杂数据进行分类或者排序,我们不仅能够采用对文字变量赋值的方法,还可以尝试SPSS拆分文件的方式,根据拆分文件的标准来自动分类和排序。本文以 SPSS拆分文件后怎么恢复,SPSS拆分文件后部分数据消失怎么办这两个问题为例,带大家了解一下SPSS拆分文件的知识。
2025-07-15
SPSS里面如何快速将字符赋值 SPSS文字变量赋值
在数据分析领域,如果想要对多属性或多选项的变量进行分析,研究者需要对一些文字变量进行赋值来将字符串改为数字格式,便于后续的问卷数据统计和测量。今天,我们以SPSS里面如何快速将字符赋值,SPSS文字变量赋值这两个问题为例,带大家了解一下SPSS字符赋值的相关知识。
2025-06-30
SPSS因子负荷系数表怎么做 SPSS因素负荷是哪个值
在数据分析领域,SPSS因子分析可以从众多变量中提取出少数因子,这种方法一般是通过构建的指标体系计算出因子得分,而知晓因子负荷系数可以帮助研究者优化实验数据,从而实现对繁杂数据的标准化处理。今天,我们以SPSS因子负荷系数表怎么做,SPSS因素负荷是哪个值这两个问题为例,带大家了解一下SPSS因子负荷的相关知识。
2025-06-30
SPSS如何把多个题项变成一个维度 SPSS如何把多个题项分析出来
在回收调查问卷的数据后,研究者通常会对问卷中相关性较高的题项进行合并,这就需要运用到SPSS转换和计算变量的函数指令方法,从而使多个问卷题项变成一个维度来计算均值结果。本文以SPSS如何把多个题项变成一个维度,SPSS如何把多个题项分析出来这两个问题为例,带大家了解一下SPSS多题项合并的知识。
2025-06-27
SPSS方差齐性检验操作误区 SPSS方差齐性检验结果解读
方差齐性检验是用来检查不同数据之间的方差是否存在相似性,通过这种分析方法,可以判断不同组别数据的一致性。今天我就以SPSS方差齐性检验操作误区,SPSS方差齐性检验结果解读这两个问题为例,来向大家讲解一下SPSS当中方差齐性检验工具的操作技巧。
2025-06-27
SPSS交叉表行列优化技巧 SPSS交叉表格中行列层是什么意思
交叉表是用于分析两个或多个变量之间是否存在相互关联的验证图表,是一种非常简单且高效的数据分析工具,广泛应用在医疗、市场调研、商业分析等诸多领域。今天我就以SPSS交叉表行列优化技巧,SPSS交叉表格中行列层是什么意思这两个问题为例,来向大家讲解一下交叉表分析工具的相关知识。
2025-06-26

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: