SPSS非正态分布数据如何修改成为正态分布数据！急求
可以应用变量变换的方法，将不服从正态分布的资料转化为非正态分布或近似正态分布。常用的变量变换方法有对数变换、平方根变换、倒数变换、平方根反正玄变换等，应根据资料性质选择适当的变量变换方法。X’=lgX当原始数据中有小值及零时，亦可取X’=lg（X+1）还可根据需要选用X’=lg（X+k）或X’=lg（k-X）对数变换常用于（1）使服从对数正态分布的数据正态化。如环境中某些污染物的分布，人体中某微量元素的分布等，可用对数正态分布改善其正态性。图形特征集中性：正态曲线的高峰位于正中央，即均数所在的位置。对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。曲线与横轴间的面积总等于1，相当于概率密度函数的函数从正无穷到负无穷积分的概率为1。即频率的总和为100%。以上内容参考：百度百科-正态分布
spss判断是否符合正态分布
spss判断是否符合正态分布如下：1、打开软件之后，在界面中，输入想要检验的数据集，输入数据集之后，方便进行下一步操作。2、点击上方的分析选项，在出现的选项中，点击扫描统计，再点击后面的探索这个选项。3、点击探索选项之后，在出现的下图所示的界面中，选择因变量列表这个选项。4、在出现的选项界面，勾选“带检验的正态图”这个选项，点击继续按钮，可以查看分析结果。5、具体的检验结果，是根据输入的数据集，进行分析的，所以，结果会有所差别。6、还可以通过Q-Q图查看，来进行进一步的确认，如果基本在直线附近的话，就表示服从正态分布。发展沿革：SPSS是世界上最早的统计分析软件，由美国斯坦福大学的三位研究生，于1968年研究开发成功，同时成立了SPSS公司，并于1975年成立法人组织、在芝加哥组建了SPSS总部。2009年7月28日，IBM公司宣布将用12亿美元现金，收购统计分析软件提供商SPSS公司。如今SPSS的最新版本为25，而且更名为IBM SPSS Statistics。迄今，SPSS公司已有40余年的成长历史。
spss正态分布检验方法是什么？
方法如下:1、首先准备测试数据集，可以通过Excel或者Python等生成数据，本经验提供数据集如下：81.09；81.73；82.38；2、83.02；83.67；84.31；84.95；85.60；86.24；86.88；87.53；88.17；88.81；89.46；90.10；90.75；91.39；92.03；92.68；93.32；93.96。3、首先我们打开SPSS软件，输入我们的数据集，然后我们使用分析→描述统计→探索进行正态分布验证。4、然后我们进行选择因变量列表，首选带检验的整体图，确认后查看分析结果，这时候我们就可以进行下一步了。5、我们查看正态性检验结果，由于样本数比较小，以K-S结果为准，sig.=0.2>0.05，服从正态分布。查看Q-Q图来进一步确认，由图可见基本在直线附近，可以认为服从正态分布。注意事项1、K-S及S-W结果可能不准，建议通过Q-Q图、P-P图等进一步确认。2、注意数据输入时不要输入错误。
spss判断是否符合正态分布
今天和大家分享一下SPSS中判断一组数据是否符合正态分布的几种方法。 以下表为例，需要判断地理成绩的分布是否符合正态分布。 在开始菜单点击“分析”、“频率”，在频率对话框中将地理字段选入选框。 在频率图表选项中勾选“直方图”、“在直方图中显示正态曲线”。 之后可以在输出结果中看到数据分布情况。 我们也可以使用Q-Q 图进行判断。 P-P图判断的操作方法与Q-Q图基本一致。 此外还可以使用K-S检验。 和前面的判断方法不同的是这种方法输出的结果并没有图形展示，我们只需要关注最后的渐近显著性是否大于0.05即可。偏度和峰度1、偏度（Skewness）：描述数据分布不对称的方向及其程度（见图1）。当偏度≈0时，可认为分布是对称的，服从正态分布；当偏度>0时，分布为右偏，即拖尾在右边，峰尖在左边，也称为正偏态；当偏度<0时，分布为左偏，即拖尾在左边，峰尖在右边，也称为负偏态；注意：数据分布的左偏或右偏，指的是数值拖尾的方向，而不是峰的位置，容易引起误解。2、峰度（Kurtosis）：描述数据分布形态的陡缓程度（图2）。当峰度≈0时，可认为分布的峰态合适，服从正态分布（不胖不瘦）；当峰度>0时，分布的峰态陡峭（高尖）；当峰度<0时，分布的峰态平缓（矮胖）；利用偏度和峰度进行正态性检验时，可以同时计算其相应的Z评分（Z-score），即：偏度Z-score=偏度值/标准误，峰度Z-score=峰度值/标准误。在α=0.05的检验水平下，若Z-score在±1.96之间，则可认为资料服从正态分布。了解偏度和峰度这两个统计量的含义很重要，在对数据进行正态转换时，需要将其作为参考，选择合适的转换方法。3、SPSS操作方法以分析某人群BMI的分布特征为例。(1) 方法一选择Analyze → Descriptive Statistics → Frequencies将BMI选入Variable(s)框中 → 点击Statistics → 在Distribution框中勾选Skewness和Kurtosis(2) 方法二选择Analyze → Descriptive Statistics → Descriptives将BMI选入Variable(s)框中 → 点击Options → 在Distribution框中勾选Skewness和Kurtosis 4、结果解读在结果输出的Descriptives部分，对变量BMI进行了基本的统计描述，同时给出了其分布的偏度值0.194（标准误0.181），Z-score = 0.194/0.181 = 1.072，峰度值0.373（标准误0.360），Z-score = 0.373/0.360 = 1.036。偏度值和峰度值均≈0，Z-score均在±1.96之间，可认为资料服从正态分布。二、正态性检验：图形判断1、直方图：表示连续性变量的频数分布，可以用来考察分布是否服从正态分布(1)选择Graphs → Legacy Diaiogs → Histogram(2)将BMI选入Variable中，勾选Display normal curve绘制正态曲线2、P-P图和Q-Q图(1) P-P图反映了变量的实际累积概率与理论累积概率的符合程度，Q-Q图反映了变量的实际分布与理论分布的符合程度，两者意义相似，都可以用来考察数据资料是否服从某种分布类型。若数据服从正态分布，则数据点应与理论直线（即对角线）基本重合。(2) SPSS操作：以P-P图为例选择Analyze → Descriptive Statistics → P-P Plots将BMI选入Variables中，Test Distribution选择Normal，其他选项默认即可。三、正态性检验：非参数检验分析法1、正态性检验属于非参数检验，原假设为“样本来自的总体与正态分布无显著性差异，即符合正态分布”，也就是说P>0.05才能说明资料符合正态分布。通常正态分布的检验方法有两种，一种是Shapiro-Wilk检验，适用于小样本资料（SPSS规定样本量≤5000），另一种是Kolmogorov–Smirnov检验，适用于大样本资料（SPSS规定样本量>5000）。2、SPSS操作(1) 方法一：Kolmogorov–Smirnov检验方法可以通过非参数检验的途径实现选择Analyze → Nonparametric Tests → Legacy Dialogs → 1-Sample K-S将BMI选入Test Variable List中，在Test Distribution框中勾选Normal，点击OK完成操作。(2) 方法二：Explore方法选择Analyze → Descriptive Statistics → Explore将BMI选入Dependent List中，点击Plots，勾选Normality plots with tests，在Descriptive框中勾选Histogram，Boxplots选择None，点击OK完成操作。3、结果解读(1)在结果输出的Descriptives部分，对变量BMI进行了基本的统计描述，同时给出了其分布的偏度值、峰度值及其标准误，具体意义参照上面介绍的内容。(2)在结果输出的Tests of Normality部分，给出了Shapiro-Wilk检验及Kolmogorov-Smirnov检验的结果，P值分别为0.200和0.616，在α=0.05的检验水准下，P>0.05，不拒绝原假设，可认为资料服从正态分布。(3)在结果输出的最后部分，同时给出了直方图和Q-Q图，具体意义参照上面介绍的内容。建议可以直接使用Explore方法，结果中不仅可以输出偏度值，峰度值，绘制直方图，Q-Q图，还可以输出非参数检验的结果，一举多得。四、注意事项事实上，Shapiro-Wilk检验及Kolmogorov-Smirnov检验从实用性的角度，远不如图形工具进行直观判断好用。在使用这两种检验方法的时候要注意，当样本量较少的时候，检验结果不够敏感，即使数据分布有一定的偏离也不一定能检验出来；而当样本量较大的时候，检验结果又会太过敏感，只要数据稍微有一点偏离，P值就会<0.05，检验结果倾向于拒绝原假设，认为数据不服从正态分布。所以，如果样本量足够多，即使检验结果P<0.05，数据来自的总体也可能是服从正态分布的。因此，在实际的应用中，往往会出现这样的情况，明明直方图显示分布很对称，但正态性检验的结果P值却<0.05，拒绝原假设认为不服从正态分布。此时建议大家不要太刻意追求正态性检验的P值，一定要参考直方图、P-P图等图形工具来帮助判断。很多统计学方法，如T检验、方差分析等，与其说要求数据严格服从正态分布，不如说“数据分布不要过于偏态”更为合适。