經常地，有人諮詢我，鄭老師，論文雜誌單位返修時，審稿人說我的數據的偏態的，怎麼辦 呀？
鄭老師的第一反映是，你是不是又不分正態偏態，統統拿過來進行t檢驗了吧？這一點，確實該受到批評。這年頭，秩和檢驗方法又不是什麼難以通過SPSS實現的方法，你就不試試？
一般出於兩點情況，第一，有些變量，理論上就是偏態分布的。第二，標準差特別大，在觀察值都是正值的情況下，標準差比均數還要大。比如，下面的例子，病程的標準差比均數還要大，那麼就可以懷疑是偏態分布。
一般是先做一下正態性檢驗，若正態性檢驗P<0.05，則可以按照審稿人意見來修改。他們最大，別惹惱了。
這是數據分析階段要考慮的問題時，正態性檢驗P<0.05時，一定要採用秩和嗎？不盡然。對於成組設計的t檢驗，一般存在著兩種觀念。第一，各組樣本均來自於正態分布的總體。一般可通過正態性檢驗來進行判斷，比如採用Shapiro-Wilk檢驗方法，如果至少一組P<0.05，則被認為正態性不符合，差異性比較採用秩和檢驗；第二，根據中心極限定理，無論樣本來自何種分布，只要樣本量足夠大（一般認為樣本量大於50即為足夠大），其樣本均值均近似服從正態分布。因此樣本量較大時，完全可以忽視正態性問題，仍然可以採用參數檢驗方法。上述兩個觀念相互矛盾，令統計分析人員非常困惑。實際上，這兩種說法都不太正確。
鄭老師認為，在實踐中，正態性檢驗的方法是一種參考的方法，但它並不能扮演決定性角色，應結合直方圖或者Q-Q圖進一步的分析。
兩者方法結合，可以將數據分為正態、近似正態與嚴重偏態三種形態。實際統計策略方面，諸位可以將數據分布分為三類：正態分布、近似正態分布數據和嚴重偏態分布數據。第2類：正態分布不符合，P<0.05，但直方圖還是呈現大致的中間多兩邊少，無嚴重極端值；
第1類和第2類，均可以採用均數描述，採用t、F檢驗第3類：正態分布不符合，P<0.05，數據嚴重偏態，或者存在明顯極端異常值，應採用中位數和四分位數間距來描述，採用非參數秩和檢驗
新版Pubmed最全實用教程（超全收藏版）
提高SCI論文寫作效率的三個免費工具
SCI投稿不會選刊？Web of science這個功能很強大，選刊輕鬆搞定！
讀研究生，應該如何高效的閱讀文獻
SCI再添新成員，首個影響因子近8分，還不快快收藏！
發表高影響因子SCI論文的八個關鍵技巧
如何撰寫SCI論文題目：絕對值得收藏