SPSS教程：判断数据正态分布的多种方法
2017-10-12 MedSci MedSci
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一、正态性检验：偏度和峰度 1、偏度（Skewness）：描述
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，这里向大家介绍如何对数据资料进行正态性检验，同时可以与以前的内容相互学习：收藏！如何使用SPSS软件中正态分布检验功能 一、正态性检验：偏度和峰度 1、偏度（Skewness）：描述数据分布不对称的方向及其程度。 当偏度≈0时，可认为分布是对称的，服从正态分布； 当偏度>0时，分布为右偏，即拖尾在右边，峰尖在左边，也称为正偏态； 当偏度<0时，分布为左偏，即拖尾在左边，峰尖在右边，也称为负偏态； 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。 当峰度≈0时，可认为分布的峰态合适，服从正态分布（不胖不瘦）； 当峰度>0时，分布的峰态陡峭（高尖）； 当峰度<0时，分布的峰态平缓（矮胖）； 利用
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#正态分布#
36
学习一下谢谢分享
57
学习一下谢谢分享
59
阅读.谢谢分享
60
学习了新知识
70
这个不错学习了很有用
61
谢谢分享.学习了
32
学习了.正好需要
27
统计学
31
学习了
28