01
為什麼不能直接用t檢驗？
辛辛苦苦收集數據寫文章，如果因為錯誤的統計方法，而被拒稿，豈不太冤了？
可能有人會問：統計有那麼重要嗎？我拿來數據直接用t檢驗分析，多簡單暢快了，怎麼還被拒稿了？
統計真的是很重要的，一般好一些的研究機構都會有專門做統計分析的人員。
如果用錯了統計方法，還可能得出錯誤的結果，「南轅北轍」之類的也時有發生。
舉個形象點的例子：
比如小轎車在平地上開很舒服，但在野地裡開，會非常辛苦，甚至是舉步維艱；在野地裡就得開越野車，但越野車在平地上開，又會比較費油。
對於非正態的數據，t檢驗可能得出錯誤結果，這時候就需要非參數檢驗；但對於正態數據，非參數檢驗效能比較低，所以又要用t檢驗。
至於選擇用t檢驗，還是非參數檢驗，確定數據是否是正態分布，就變得很關鍵。
下面我們一起看一下如果通過SPSS實現簡單快速的正態性檢驗。
02
如何進行正態性檢驗？
查看數據集：
共四個變量
sex性別 1男 0女
Age 年齡
Bmi體質指數
Disease 疾病狀態 1患病 0未患病
分析-描述統計-探索，打開探索對話框。
Disease進入因子列表框，age進入因變量列表，然後點擊統計模塊，在統計對話框中，勾選描述和離群值，點繼續；然後點擊圖模塊，勾選因子級別並置、直方圖、含檢驗的正太圖，點繼續，最後點確定。更直觀的操作步驟如圖所示。
結果：
03
正態性檢驗結果解讀
常見的統計學檢驗有Kolmogorov-Smirnov檢驗（KS檢驗）和Shapiro-Wilk檢驗（SW檢驗），當檢驗結果的p值小於0.05，則認為數據不滿足正態性。
本例中，因為SPSS軟體使用的是中文版本，結果解讀如下：
柯爾莫戈洛夫-斯米諾夫：即KS檢驗，適用條件為樣本量≥100。本例中，選擇KS檢驗，兩組年齡正態性檢驗的p值均為0.2，均大於0.05，故認為兩組年齡均符合正態分布。
夏皮洛-威爾克：即SW檢驗，適用條件為樣本量<100。
寫在後面
其實，細心的朋友可能會發現，在進行正態性檢驗的同時，也進行了離群值的檢驗。
如果大家對離群值感興趣，可以在文章下面點擊「在看」告訴我，如果此文「在看「數超過20個，有時間給大家聊聊離群值的快速識別與處理。
- END -