1 数据是否符合正态分布

1.1符合正态分布

1.1.1怎样的数据符合正态分布

数据集的数据点呈现出一个钟形曲线,即均值附近的数据点数量较多,离均值越远的数据点数量逐渐减少

1.1.2 spss怎么统计正态分布

spss操作步骤：
分析->描述统计->频率，选定变量，图表选择直方图，可以从直方图看整体曲线

分析->描述统计->探索，选定变量，统计选定描述，图选择含检验的正态图，可以看一个影响条件下数据是否符合正态分布


正态性检验中，显著性大于0.05才有意义

1.1.3 方差齐性检验

对于符合正态分布的数据，要验证是否符合方差齐性检验
须保证数据方差齐，再进行具体的统计学分析。
方差齐性检验方法：
分析->比较平均值->单因素ANOVA检验，选定因变量和因子，对比选择多项式-线性，事后多重比较选定LSD，选项选择方差齐性检验

输出结果中，方差齐性检验的显著性P>0.05，即方差齐，有意义。

1.1.4 具体统计学分析

对于符合正态分布、且方差齐的数据，进行具体的统计学分析。
按变量的多少进行方差分析，具体有如下方法。
①spss进行单因素方差分析
显著性需要小于0.05
②spss进行双因素方差分析
显著性需要小于0.05
③单因素方差分析和多因素方差分析的区别

④配对t检验

1.2 不符合正态分布

数据不符合正态分布时，使用如下常见的非参数检验

1.2.1 Mann-Whitney U检验

用于比较两个独立样本的中位数。

1.2.2 Wilcoxon符号秩检验

用于比较两个相关样本或配对样本的差异。

1.2.3 Kruskal-Wallis H检验

用于比较三个或多个独立样本的中位数。
常用于推断计量资料或等级资料的多个独立样本所来自的多个总体分布是否有差别。在理论上检验假设 H0应为多个总体分布相同,即多个样本来自同一总体。由于H检验对多个总体分布的形状差别不敏感,故在实际应用中检验假设 H0可写作多个总体分布位置相同。对立的备择假设 H1为多个总体分布位置不全相同。
K-W H检验方法：
分析->非参数检验->旧对话框->K个独立样本，选定检验变量和分组变量（定义分组变量的范围），检验类型选定克鲁斯卡尔-沃利斯，选项选择统计中的描述和四分位数。


输出结果中，检验统计的显著性P<0.05（<0.001更好），即差别具有统计学意义。

1.2.4 Friedman检验

用于比较三个或多个相关样本的中位数。