• 写论文时,不知道如何检验正态分布?


    在数据分析过程中,往往需要数据服从正态分布,正态分布,也称“常态分布”,又名高斯分布,在求二项分布的渐近公式中得到。很多方法都需要数据满足正态分布,比如方差分析、独立t检验、线性回归分析(因变量)等。如果说没有这个前提可能会导致分析不严谨等等。所以进行数据正态性检验很重要。那么如何进行正态性检验?接下来进行说明。

    一、检验方法

    SPSSAU共提供三种正态性检验的方法,分别是描述法、正态性检验以及图示法,其中图示法包括直方图以及P-P/Q-Q图。

    1.描述法

    理论上讲,标准正态分布偏度和峰度均为0,但现实中数据无法满足标准正态分布,因而如果峰度绝对值小于10并且偏度绝对值小于3,则说明数据虽然不是绝对正态,但基本可接受为正态分布。从上表可以看出例子中峰度为1.160绝对值小于10,偏度为-1.084绝对值小于3。说明数据基本可以接受为正态分布。

    2.正态性检验

    SPSSAU的正态性检验包括三种:正态性shapro-WiIk检验、正态性Kolmogorov-Smirnov检验和Jarque-Bera检验。

    背景简单描述:调查一个班级的53名学生的身高,判断搜集的数据是否满足μ=140.79,σ=8.6的正态分布。

    由于n>50,所以检验方法选择K-S检验或者J-B检验。如果利用K-S检验进行证明,步骤如下:

    1. H0:x服从μ=140.79,σ=8.6的正态分布
      H1:x不服从μ=140.79,σ=8.6的正态分布
      附表如下:

    (图片来源于:网络侵删)

    因为样本超过35,并且α=0.05,所以D53,0.05约为1.36/≈0.187;

    1. 相应指标

    首先计算K-S检验中的D统计量,计算公式如下:

    D=max{D+,D−}

    D+=|Fn(x(k))−F0(x(k))|

    D−=|Fn(x(k))−F0(x(k−1))|

    首先将数据按从小到大进行排序,用x(k)进行描述,k代表次序,然后计算其标准化的数据,标准化公式为:

    x′=x−μσ ;接着算出每个数据的频次,并记录好累积频次,然后计算 Fn(x(k)) ,(N为累积频次),n为样本量即例子中的53。 F0(x(k)) 为给定的累计分布可以利用excel自行算出,函数为:‘=NORM.DIST(x,mean,sd,TRUE) mean和sd就为 μ 和 σ 。进而可以求出和;各个步骤的计算如下:

    所以可以算出D为0.218,D大于0.187,所以拒绝原假设,接受备择假设所以不满足。

    同时可以使用SPSSAU进行检验更为方便,数据格式如下:

    将数据上传到SPSSAU进行分析,操作如下:

    分析结果如下:

    从上述结果得到,样本量大于50,所以选择K-S检验,发现统计量D为0.218(和计算的一样),p值小于0.05,所以模型显著,拒绝原假设,数据不服从正态分布。

    同时SPSSAU还提供了JB检验:

    Jarque-Bera检验中,p值小于0.05,所以模型显著,拒绝原假设,数据不服从正态分布(针对SPSSAU提供统计量为卡方值的原因:有证明显示在正态性假定下,JB统计量渐近地服从自由度为2的卡方分布)

    3.图示法

    (1)直方图

    直方图若呈现‘中间高,两边低,左右基本对称的钟形图’则基本服从正态分析,但是数据量过少等也可能影响结果导致很难呈现出标准的正态分布,如果是这种情况如果看见‘钟形’也可以可以接受的。上图可以看出,数据呈现的分布并不对称,但是也出现近似‘钟形’曲线,所以也可以勉强接受。

    (2)P-P图

    P-P图是将观察累积概率作为X轴,将正态累积概率作为Y轴,作散点图,反映实际累积概率与理论累积概率的符合程度。如果散点分布近似‘对角线’则可以认为正态分布,从图中可以看出数据散点分布不是很满足要求,但是也近似为‘对角线’所以勉强接受。

    (3)Q-Q图

    Q-Q图和P-P图功能一致,分析上大致没有区别。

    二、如何进行正态性检验

    SPSSAU分析位置

    (1)通用方法板块

    SPSSAU【通用方法】→描述/ SPSSAU【通用方法】→正态性检验;

    (2)可视化板块

    SPSSAU【可视化】→直方图/ SPSSAU【可视化】→p-p/q-q图;

    三、非正态数据怎么办

    针对上述几种方法,正态性检验最为严谨,但是实际数据由于样本量较少等原因,即使数据总体正态但统计检验出来也显示非正态,实用性没有图示法直观且接受性没有图示法高,所以在分析中常常图示法应用的比较多,如果在分析中数据严重不正态应该怎么办呢?接下来进行说明。

    (1)将数据取对数处理

    注意:原数据需要数据大于0,如果不满足也可以取lg(x+k)等。

    (2)开根号

    (3)取倒数

    当数据波动较大时可以优先考虑.

    (4)Johnson转换

    (4) 计量经济学中常用的BOX-COX变换

    (5)移除可能异常值

    通常情况下,数据经过处理会变得相对“正态”一些;此步可使用SPSSAU的“生成变量”功能即可完成。

    或者严重不符合正态分布无法进行分析也可以使用其他分析方法,比如非参数检验等。


    更多干货请登录SPSSAU官网进行查看。

  • 相关阅读:
    【跨境电商】WhatsApp营销保姆级教程!
    Meta携手亚马逊共建PyTorch ,抵抗Tensorflow
    leetcode_98复原IP地址
    LoadRunner常见的报错-1
    机器学习中的交叉熵
    Nacos 是如何同时实现AP与CP的
    CronExpression
    【SpringBoot定时任务篇】-----Quartz以及Task详解
    『FastTunnel』荣获GVP的开源内网穿透工具,动手搭建属于自己的内网穿透平台
    java计算机毕业设计计算机数字逻辑在线学习系统MyBatis+系统+LW文档+源码+调试部署
  • 原文地址:https://blog.csdn.net/m0_37228052/article/details/127566671