如何在SPSS中对样本进行正态分布检验？ 一、图示法21131、P-P 图 以样本的累计频5261率作为横坐标以安装正态4102分布计算的相应累1653计概率作为纵坐标把样本值表现为直角坐标系中的散点。如果资料服从整体分布则样本点应围绕第一象限的对角线分布。2、Q-Q 图 以样本的分位数作为横坐标以按照正态分布计算的相应分位点作为纵坐标把样本表现为指教坐标系的散点。如果资料服从正态分布则样本点应该呈一条围绕第一象限对角线的直线。以上两种方法以 Q-Q 图为佳效率较高。3、直方图 判断方法是否以钟形分布同时可以选择输出正态性曲线。4、箱式图 判断方法观测离群值和中位数。5、茎叶图 类似与直方图但实质不同。二、计算法1、偏度系数Skewness和峰度系数Kurtosis 计算公式 g1表示偏度 g2表示峰度 通过计算 g1 和 g2 及其标准误 σg1及 σg2然后作 U检验。两种检验同时得出 U0.05 的结论时才可以认为该组资料服从正态分布。由公式可见部分文献中所说的“偏度和峰度都接近 0…可以认为…近似服从正态分布”并不严谨。2、非参数检验方法 非参数检验方法包括 Kolmogorov-Smirnov 检验 D 检验 和 Shapiro-Wilk W 检验。SAS 中规定当样本含量 n≤2000时结果。
SPSS的比较均值中，T检验和ANOVA有什么区别？ 1、独立样本T检验一般仅仅比较两组数据有没有区别，区别的62616964757a686964616fe78988e69d8331333366303234显著性，如比较两组人的身高，体重等等，而这两组一般都是独立的，没有联系的，只是比较这两组数据有没有统计学上的区别或差异。2、单因素ANOVA也就是单因素方差分析，是用来研究一个控制变量的不同水平是否对观测变量产生了显著影响。说白了就是分析x的变化对y的影响的显著性，所以一般变量之间存在某种影响关系的，验证一种变量的变化对另一种变量的影响显著性的检验。一般的，方差分析都是配对的。如果从计算来看，独立样本之间不需要进行计算，只在本组中进行计算均值、标准差等，而方差分析中，要计算数据之间的组间差异和组内差异等。另外，多因素方差分析就是分析多种因素对某一变量的影响有多大的检验分析。而协方差分析是多种影响因素下，在不考虑某一种因素下，其他因素对该变量的影响有多大。比如，冰棍的销量、温度的变化、扇子的销量（例子不是很好，但大概就是这个意思，就是a对b有相应，b又对c有影响，但a对c不一定有影响），就是扇子的销量越多。那么冰棍的销量也是 越多的，所以她们之间成正比关系。显然是错的。因为扇子和冰棍的销量均和。
方差分析为何要进行方差齐次检验？ 感谢@dominee dominee 的邀请，我试着回答一下。为什么要做方差齐性检验，我的理解是ANOVA的F检验的前提…
