SPSS实现Shapiro-Wilk正态分布检验

kexue

　　关于小样本数据常用的正态分布检验法——Shapiro-Wilk检验，简称W检验或SW检验。
　　图形法检验正态分布的特点是直观，通过观察点、线、条等图形元素的形态和正态分布的差距来简要快速地判断是否(近似)服从正态分布。
　　图形法总结：直观、简略、快速、大概、粗糙、实用。

　　Shapiro-Wilk检验
　　Shapiro-Wilk检验等显著性假设检验方法，则从统计学意义上将样本分布与正态分布进行比较，以确定数据是否显示出与正态性的偏离或符合。
　　SW检验有两个基本假设：
　　H0:样本所来自的总体分布服从正态分布
　　H1:样本所来自的总体分布不服从正态分布
　　两个假设互斥最终仅有一个成立。哪一个成立呢，我们直接看统计软件帮我们计算得到显著性概率sig值或p值，当p值>0.05时，没有理由拒绝H0，则认为样本所来自的总体分布服从正态分布。否则不是正态分布。
　　注意此种方法能够检验的样本大小，在SPSS统计软件中一般认定为5000个以下。
　　待分析的数据要求：连续数据。
　　SPSS菜单操作：【分析】→【描述统计】→【探索】

　　1)将待分析的变量移入【因变量列表】，可以是一个变量，也可以是一次性考察多个变量的正态性。
　　2)根据研究目的决定是否使用【因子列表】及分组的因子变量，不填写时，对整个因变量进行检验，填写分组变量时，自动对因变量拆分分组后给出每组的统计结果。
　　3)点开【图】对话框。

　　一定要勾选的是【含检验的正态图】，其他参数选项自定。
　　最后执行此次检验。
　　Shapiro-Wilk检验结果解读

　　W检验结果显示，W=0.993，P值=0.704>0.05，接受H0假设，认为汽车长度这个变量数据服从正态分布。
　　SPSS同时给出了KS检验结果，通常认为大数据集采用该法，解读方式和SW法一致。本例略。
　　结论可撰写为：
　　在α=0.05的检验水准下，可认为汽车长度数据资料服从正态分布(W=0.993，P>0.05)。