SPSS|偏度和峰度|正态性分布检验|实战小练-SPSS学习(1)

2023-10-19 12:28

本文主要是介绍SPSS|偏度和峰度|正态性分布检验|实战小练-SPSS学习(1),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

  • 学习目的
  • 软件版本
  • 基础数据
  • 实战
    • 数据准备
    • 数据初探
    • 输出结果分析
      • 两个重要统计量:偏度和峰度
      • 正态性检验结果
      • 其他图件输出

学习目的

检验数据集是否服从正态分布。

软件版本

IBM SPSS Statistics 26。

基础数据

一组数据,如:73 76 78 77 82 82 96 76 65 79 63。

实战

数据准备

输入SPSS中,可选择导入或者直接输入,本例中数据量较少,直接输入。
打开软件主界面,点击底部标签, 切换至“变量视图”,输入变量名称,如VAR:
在这里插入图片描述
切换到数据视图,输入数据:73 76 78 77 82 82 96 76 65 79 63。
在这里插入图片描述

数据初探

完成数据输入后,在主界面依次点击:分析-描述统计-探索
在这里插入图片描述
就会看到下述图片,将变量名加入因变量列表,点击图(T)…,我们可以选择输出图片(茎叶图、直方图),勾选含检验的正态图(O)。点击继续,如果想要输出图片,在输出应该选择两者都。选择确定
在这里插入图片描述
初始分析结果:
在这里插入图片描述

输出结果分析

探索描述,是对数据的统计总体描述。

两个重要统计量:偏度和峰度

描述标最下方的是:偏度和峰度。
偏度:
偏度(skewness)也称为偏态、偏态系数,是统计数据分布偏斜方向和程度的度量,是统计数据分布非对称程度的数字特征。
详见:百度百科偏度-统计数据分布偏斜方向程度的度量。
峰度:
峰度(peakedness;kurtosis)又称峰态系数。表征概率密度分布曲线在平均值处峰值高低的特征数。直观看来,峰度反映了峰部的尖度。样本的峰度是和正态分布相比较而言统计量,如果峰度大于三,峰的形状比较尖,比正态分布峰要陡峭。反之亦然。
在统计学中,峰度(Kurtosis)衡量实数随机变量概率分布的峰态。峰度高就意味着方差增大是由低频度的大于或小于平均值的极端差值引起的。
详见:百度百科峰度-衡量实数随机变量概率分布的峰态。
统计意义上:
引自:检验数据是否服从正态分布。
在这里插入图片描述
偏度SK越趋近0,数据越服从正态分布,众数=中位数=平均数;SK>0,为正偏态或左偏,众数<中位数<平均数;SK<0,为负偏态或右偏,众数>中位数>平均数。
峰度KG越趋近3,数据越服从正态分布;KG>3,峰度尖锐;KG<3,峰度扁平。(或exceess_KG=KG-3,exceess_KG越趋近0,数据越服从正态分布)。
但是仅根据偏度和峰度还不足以判断数据是否服从正态分布,需要做进一步的检验。

正态性检验结果

SPSS中检验数据是否呈“正态分布”主要通过Kolmogorov-Smirnova(K-S检验)和Shapiro-Wilk(S-W检验)。
当数据量50时,倾向以S-W检验结果为准;当数据量>50时,倾向以K-S检验结果为准;当数据量>5000时,SPSS则只会显示K-S检验结果。
在这里插入图片描述
上表是生成的KS检验(D检验)和SW检验(W检验)的检验结果,此处我们关注的显著性是Sig.即P值。当P>0.05时,可以认为数据是呈正态分布的。
由上表可以看出,KS检验和SW检验显著性均>0.05。

其他图件输出

在输出结果部分还可以生成直方图、茎叶图、正态 Q-Q 图等,可以根据图形做出观测。
直方图
在这里插入图片描述
茎叶图
在这里插入图片描述
正态 Q-Q 图
在这里插入图片描述

这篇关于SPSS|偏度和峰度|正态性分布检验|实战小练-SPSS学习(1)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/239749

相关文章

PyTorch中的词嵌入层(nn.Embedding)详解与实战应用示例

《PyTorch中的词嵌入层(nn.Embedding)详解与实战应用示例》词嵌入解决NLP维度灾难,捕捉语义关系,PyTorch的nn.Embedding模块提供灵活实现,支持参数配置、预训练及变长... 目录一、词嵌入(Word Embedding)简介为什么需要词嵌入?二、PyTorch中的nn.Em

在IntelliJ IDEA中高效运行与调试Spring Boot项目的实战步骤

《在IntelliJIDEA中高效运行与调试SpringBoot项目的实战步骤》本章详解SpringBoot项目导入IntelliJIDEA的流程,教授运行与调试技巧,包括断点设置与变量查看,奠定... 目录引言:为良驹配上好鞍一、为何选择IntelliJ IDEA?二、实战:导入并运行你的第一个项目步骤1

Spring Boot3.0新特性全面解析与应用实战

《SpringBoot3.0新特性全面解析与应用实战》SpringBoot3.0作为Spring生态系统的一个重要里程碑,带来了众多令人兴奋的新特性和改进,本文将深入解析SpringBoot3.0的... 目录核心变化概览Java版本要求提升迁移至Jakarta EE重要新特性详解1. Native Ima

Spring Boot 与微服务入门实战详细总结

《SpringBoot与微服务入门实战详细总结》本文讲解SpringBoot框架的核心特性如快速构建、自动配置、零XML与微服务架构的定义、演进及优缺点,涵盖开发环境准备和HelloWorld实战... 目录一、Spring Boot 核心概述二、微服务架构详解1. 微服务的定义与演进2. 微服务的优缺点三

SpringBoot集成MyBatis实现SQL拦截器的实战指南

《SpringBoot集成MyBatis实现SQL拦截器的实战指南》这篇文章主要为大家详细介绍了SpringBoot集成MyBatis实现SQL拦截器的相关知识,文中的示例代码讲解详细,有需要的小伙伴... 目录一、为什么需要SQL拦截器?二、MyBATis拦截器基础2.1 核心接口:Interceptor

从入门到进阶讲解Python自动化Playwright实战指南

《从入门到进阶讲解Python自动化Playwright实战指南》Playwright是针对Python语言的纯自动化工具,它可以通过单个API自动执行Chromium,Firefox和WebKit... 目录Playwright 简介核心优势安装步骤观点与案例结合Playwright 核心功能从零开始学习

Java docx4j高效处理Word文档的实战指南

《Javadocx4j高效处理Word文档的实战指南》对于需要在Java应用程序中生成、修改或处理Word文档的开发者来说,docx4j是一个强大而专业的选择,下面我们就来看看docx4j的具体使用... 目录引言一、环境准备与基础配置1.1 Maven依赖配置1.2 初始化测试类二、增强版文档操作示例2.

MySQL 多列 IN 查询之语法、性能与实战技巧(最新整理)

《MySQL多列IN查询之语法、性能与实战技巧(最新整理)》本文详解MySQL多列IN查询,对比传统OR写法,强调其简洁高效,适合批量匹配复合键,通过联合索引、分批次优化提升性能,兼容多种数据库... 目录一、基础语法:多列 IN 的两种写法1. 直接值列表2. 子查询二、对比传统 OR 的写法三、性能分析

Python办公自动化实战之打造智能邮件发送工具

《Python办公自动化实战之打造智能邮件发送工具》在数字化办公场景中,邮件自动化是提升工作效率的关键技能,本文将演示如何使用Python的smtplib和email库构建一个支持图文混排,多附件,多... 目录前言一、基础配置:搭建邮件发送框架1.1 邮箱服务准备1.2 核心库导入1.3 基础发送函数二、

PowerShell中15个提升运维效率关键命令实战指南

《PowerShell中15个提升运维效率关键命令实战指南》作为网络安全专业人员的必备技能,PowerShell在系统管理、日志分析、威胁检测和自动化响应方面展现出强大能力,下面我们就来看看15个提升... 目录一、PowerShell在网络安全中的战略价值二、网络安全关键场景命令实战1. 系统安全基线核查