本文將會(huì)繼續(xù)講解如何使用IBM SPSS Statistics的描述統(tǒng)計(jì)（偏度峰度系數(shù)）、探索統(tǒng)計(jì)檢驗(yàn)（正態(tài)檢驗(yàn)）數(shù)據(jù)的正態(tài)性。

一、描述統(tǒng)計(jì)功能

本文使用的示例數(shù)據(jù)是一組初中生的身高樣本數(shù)據(jù)，其目的是檢驗(yàn)該身高樣本數(shù)據(jù)是否服從正態(tài)分布。

圖1：示例數(shù)據(jù)

首先，依次單擊分析-統(tǒng)計(jì)分析-描述選項(xiàng)，打開SPSS的描述分析。

圖2：描述功能

將身高變量添加到變量選項(xiàng)框中，并單擊右側(cè)“選項(xiàng)”設(shè)置統(tǒng)計(jì)數(shù)值。

圖3：選擇變量

如圖4所示，描述分析選項(xiàng)中包含了多種統(tǒng)計(jì)數(shù)值，為了進(jìn)行數(shù)據(jù)的正態(tài)性檢驗(yàn)，我們需要勾選“峰度”與“偏度”。

圖4：描述選項(xiàng)

偏度，統(tǒng)計(jì)的是數(shù)據(jù)分布的偏斜方向和程度，完全服從正態(tài)分布的偏度值為 0；越接近于0，越接近于正態(tài)分布；反之，若偏度值顯著偏離 0，則不服從正態(tài)分布。

峰度，又稱峰態(tài)系數(shù)，用于描述數(shù)據(jù)分布的陡緩程度。峰度值為3時(shí)，表明數(shù)據(jù)完全服從正態(tài)分布；峰度越接近于3，數(shù)據(jù)越接近于正態(tài)分布；反之，若峰度值顯著偏離3，則則不服從正態(tài)分布

從圖5所示的檢驗(yàn)結(jié)果看，其偏度值與峰度值都不接近于正態(tài)分布值，因此不能說明身高樣本服從正態(tài)分布。

圖5：偏度峰度數(shù)值

二、探索統(tǒng)計(jì)功能

接下來，我們來看一下關(guān)于探索性分析的正態(tài)性檢驗(yàn)方法。如圖6所示，依次單擊分析-描述統(tǒng)計(jì)-探索，打開探索分析設(shè)置界面。

圖6：探索統(tǒng)計(jì)功能

同樣是對(duì)身高樣本數(shù)據(jù)的正態(tài)性進(jìn)行檢驗(yàn)，如圖7所示，將身高添加到因變量列表，將賬號(hào)添加為個(gè)案標(biāo)注依據(jù)。

然后，單擊“圖”選項(xiàng)。

圖7：探索統(tǒng)計(jì)設(shè)置

打開圖選項(xiàng)面板后，如圖8所示，勾選“含檢驗(yàn)的正態(tài)圖”。

圖8：含檢驗(yàn)的正態(tài)圖

完成以上設(shè)置后，運(yùn)行檢驗(yàn)。

由于本文檢驗(yàn)的樣本量大于50，需使用柯爾莫哥洛夫-斯米爾諾夫的檢驗(yàn)結(jié)果。檢驗(yàn)結(jié)果中的顯著性數(shù)值為0.00<0.05，拒絕原假設(shè)，也就是說，身高樣本數(shù)據(jù)不服從正態(tài)分布。

圖9：檢驗(yàn)結(jié)果

三、小結(jié)

綜上所示，IBM SPSS Statistics描述分析中的峰度與偏度數(shù)值，可以給予數(shù)據(jù)分布的概覽參考，比如數(shù)據(jù)是完全服從正態(tài)分布，還是近似服從？但如果數(shù)據(jù)的峰度與偏度數(shù)值不足以說明數(shù)據(jù)的正態(tài)性的話，就需要使用到探索分析中的正態(tài)檢驗(yàn)，檢驗(yàn)結(jié)果的顯著性。