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#
80
学习一下谢谢分享
96
学习一下谢谢分享
96
阅读.谢谢分享
98
学习了新知识
110
这个不错学习了很有用
102
谢谢分享.学习了
75
学习了.正好需要
68
统计学
69
学习了
64