spss两组定量资料一组为正态分布，另一组为非正太分布才可以进行t检验吗 不是的。这样不能直接做t检验
成组t检验和配对t检验的区别 成组t检验随机性更强，而配对t检验的目的性更强，所以效率更高。配对t检验，是单样本t检验的特例，主要观察以下几种情形：1、配对的两个受试对象分别接受两种不同的处理；2、同一受试对象接受两种不同的处理；3、同一受试对象处理前后的结果进行比较；4、同一对象的两个部位给予不同的处理。成组t检验，也称两独立样本资料的t检验，适用于完全随机设计的两样本均数的比较。将受试对象随机分配成两个处理组，每一组随机接受一种处理。拓展资料：注意事项：1、选用的检验方法必须符合其适用条件(注意：t检验的前提：1.来自正态分布总体 2.随机样本 3.均数比较时，要求俩总体方差相等，即具有方差齐性)。理论上，即使样本量很小时，也可以进行t检验。（如样本量为10，一些学者声称甚至更小的样本也行），只要每组中变量呈正态分布，两组方差不会明显不同。如上所述，可以通过观察数据的分布或进行正态性检验估计数据的正态假设。方差齐性的假设可进行F检验，或进行更有效的Levene's检验。如果不满足这些条件，可以采用校正的t检验，或者换用非参数检验代替t检验进行两组间均值的比较。2、区分单侧检验和双侧检验。单侧检验的界值小于双侧检验的界值，因此更容易拒绝，。
参数检验与非参数检验的区别 参数检验2113与非参数检验的区别有：52611、参数检验的集中趋4102势的衡量为均值，而1653非参数检验为中位数。2、参数检验需要关于总体分布的信息；非参数检验不需要关于总体的信息。3、参数检验只适用于变量，而非参数检验同时适用于变量和属性。4、测量两个定量变量之间的相关程度，参数检验用Pearson相关系数，非参数检验用Spearman秩相关。扩展资料：需要使用非参数检验：1、数据分布的集中趋势更适合用中位数来表示。比如收入，偏态分布的中心可以通过中位数更好地衡量，其中50%在中位数之上，50%在中位数之下。如果在样本中加入几个亿万富翁，即使一般人的收入没有变化，平均值也会大幅度增加，但中位数没有显著差异。2、样本量很小：当样本量非常小时，不足以确定数据是否正态分布，则应使用非参数检验。3、存在等级顺序数据或异常值：典型的参数检验只能对连续数据进行评估，异常值对结果的影响较大。相反，一些非参数检验可以处理等级顺序数据，不受异常值的严重影响。总之，使用参数或非参数检验主要取决于平均值还是中位数可以更准确地表示数据分布的中心。如果是平均值，且样本量足够大，那么考虑参数检验。如果是中位数，即使样本很大，也要考虑非。
spss如何进行正态性检验，在数据分析过程中，我们经常会用到不同分布形态的的数据。常见的数据分布形态有正态分布，随机分布（均匀分布）、泊松分布、指数分布等，但在数据。
统计学正态性检验的问题将两组资料作t检验前，我想先做一个正态性检验，是将两个组分别做正态性检测还是将两个组混合在一起做？SPSS上我只发现在非参数检验里面有一个one sample K-S，这个只能将两组混合在一起做正态检验.
两组样本不符合正态分布，T检验做不了，怎么做检验？求助。
