正态性检验和方差齐性检验，以比较两组人群年龄是否存在差异为例Ⅰ.首先进行正态性检验以及方差齐性检验Ⅱ.对于非配对样本：如果服从正态分布且方差齐，则使用Studet#39t-。
有关于使用SPSS检验正态分布的问题 1.正态性检验的P-P图，会生成2张，第一张图图形的横坐标和纵32313133353236313431303231363533e58685e5aeb931333238653231坐标分别代表理论累计概率和实际累计概率，如果数据呈正态分布，图中的数据点应该和理论直线（对角线）基本重合，不出现明显的规律；另外一张是剔除趋势的P-P图，是按正态分布计算的理论值和实际值的差的分布图，也可以理解成残差图，数据如果均与的在水平线上下分布且没有规律性上下的波动趋势。这种情形可以认为数据服从正态分布，从你给出的P-P图可以看出，数据应该可以通过正态性检验。2.对SPSS来说组间的两两比较分别有一个方差齐和不齐时的分别选择对应分析技术的菜单，可以参考单因素方差分析one-way ANOVA过程中的post hoc过程来分别选择如果方差不齐处理方法一般有两种，一种是刚才所说的选择不齐时对应的处理技术，这只是在其他方法失效时考虑，而且只适用于组与组之间的两两比较；另外一种就是对数据进行处理，譬如对数转换，差分转换等等，如果这样还不行可以考虑异方差时的其他分析方法，例如时间序列数据可以进行ARCH方法，具体参考下计量经济学方面的相关异方差处理方式，注意方差分析的前提是正态性、方差齐性，因此如果存在。
统计学中的假设检验为什么都是基于正态分布的，如果不是正态分布的又该如何检验呢 基于正太分布的原因是 大自然界中的多数自然现象或者日常的多数数据都是符合正态分布的，也就是类似一个倒U曲线。当然也有不是正态分布的现象，比如投硬币的数据，就是一个二元分布，比如化学中一些元素的放射性 这些都是非正态分布，自然有对应的不同的统计方法
