正态性检验的方法以及在SPSS中的实现本文将汇总正态检验常用的方法以及各种方法的适用条件和在SPSS中的实现，此外，还将提及将非正态分布转化为正态分布的方法，以及选择转化方法的依据。一、正态检验方法1.1 观察分布，预先判断先做直方图看看是否大概符合正态分布，Graph-->legacy dialogs-->histogram--> 选入变量 --》OK.如果距离正态分布的样子太远了，就不要做以下工作了。1.2 计算偏度 (Skewness) 和峰度 (Kurtosis) ，当它们接近0 时，为正态这是一种比较直观的方法，用于初步判断。1)在 SPSS中通用菜单栏Analyze— Reports— Case Summaries 分析过程 Statistics 的选择项中计算偏度 (Skewness)和峰度 (Kurtosis) ; 2)通过 Analyze— Reports— Report Summaies in Row s 分析过程Report 的 Summary 的选择项计算偏度、峰度；或者通过Reprts— Report Summaries in Columns 分析过程的Summary 选择项计算偏度和峰度; 3)通过 Analyze— Descriptive Statistics— Frequencies 分析过程的Statistics 的选择项Distribution中计算偏度、峰度; 4)通过 Analyze— Descriptive Statist ics — Descr iptives 分析过程的Opt ions 的选择项 Distribution 中计算偏度、峰度; 5)通过 Analyze— Compare means — means 分析过程的Options 的选择项Statistics 中选择统计量 Skewness (偏度 )、Kurto sis (峰度 )来对数据资料进行正态性检验。附偏度和峰度统计意义: 偏度主要是研究分布形状是否对称: 约等于0 则可以认为分布是对称的；>0 则可以认为右偏态，此时在均值右边的数据更为分散；<0 则可以认为左偏态，此时在均值左边的数据更为分散。峰度它是以正态分布为标准，比较两侧极端数据分布情况的指标：等于 0 说明该变量分布的峰态正合适，不胖也不瘦（正态分布）， >0 此说明该变量的分布峰态太陡峭（瘦高个）；反之，如果Kurtosis 为负值，该变量的分布峰态太平缓（矮胖子）。1.3 用正态概率图的P-P 或 Q-Q 法对数据资料进行正态性检验。P-P 图和 QQ 图可以判断的分布很多，对于正态分布的检验也不仅限于标准正态分布。P-P图是根据变量的累积概率对应于所指定的理论分布累积概率绘制的散点图，用于直观地检测样本数据是否符合某一概率分布。如果被检验的数据符合所指定的分布，则代表样本数据的点应当基本在对角线上。Q-Q 图的结果与P-P 图非常相...
