企业官网建设流程全解析

正态性检验结果解读

一、分析方法概述

正态性检验是统计分析中的重要前提检验，用于判断定量数据是否服从正态分布。许多参数检验方法（如t检验、方差分析、线性回归等）均要求数据满足正态性假设。常用的正态性检验方法包括：Kolmogorov-Smirnov检验（K-S检验），适用于大样本（n>50）；Shapiro-Wilk检验（S-W检验），适用于小样本（n<50）；Jarque-Bera检验，基于偏度和峰度进行检验；Anderson-Darling检验，适用于小样本。当正态性检验不满足时，可参考偏度和峰度进行辅助判断（偏度绝对值<3且峰度绝对值<10时可接受为正态分布）。本研究使用SPSSAU软件进行正态性检验分析。

在SPSSAU【通用方法】模块选择【正态性检验】，将变量拖拽至右侧对应分析框，操作如下图：

二、描述性统计与K-S/S-W检验结果

本研究对收缩压、体质指数、睡眠时长、血红蛋白、认知得分共5项指标进行正态性检验，样本量均为260。由于样本量均大于50，优先参考K-S检验结果。表1展示了各项指标的描述性统计及正态性检验结果。

由表1可知，5项指标的K-S检验p值均大于0.05（收缩压p=0.662，体质指数p=0.393，睡眠时长p=0.377，血红蛋白p=0.689，认知得分p=0.788），均不拒绝正态分布的原假设。同时，S-W检验结果也一致显示5项指标均不具有显著性（p均>0.05），进一步支持数据服从正态分布的结论。

从偏度和峰度来看，5项指标的偏度绝对值均远小于3（最大为|-0.179|=0.179），峰度绝对值均远小于10（最大为|0.230|=0.230），说明数据分布接近对称且峰态接近正态分布，进一步验证了正态性假设的合理性。

三、Jarque-Bera检验结果

Jarque-Bera检验基于偏度和峰度进行正态性检验，适用于大样本数据。表2展示了Jarque-Bera检验结果。

由表2可知，5项指标的Jarque-Bera检验p值均大于0.05（收缩压p=0.505，体质指数p=0.870，睡眠时长p=0.873，血红蛋白p=0.450，认知得分p=0.965），均接受数据服从正态分布的原假设，与K-S检验和S-W检验结果一致。

四、Anderson-Darling检验结果

Anderson-Darling检验是基于累积分布函数的拟合优度检验方法，对分布尾部的偏离更为敏感。表3展示了Anderson-Darling检验结果。

由表3可知，5项指标的Anderson-Darling检验p值均大于0.05（收缩压p=0.361，体质指数p=0.763，睡眠时长p=0.330，血红蛋白p=0.540，认知得分p=0.433），均接受正态分布的原假设。AD值均较小（最大为0.416），说明数据与正态分布的偏离程度很小。

五、综合分析与结论

综合以上三种正态性检验方法的结果，本研究对5项指标的正态性进行了全面评估。研究结果表明：（1）K-S检验和S-W检验均显示5项指标不具有显著性（p均>0.05），接受正态分布假设；（2）Jarque-Bera检验结果一致（p均>0.05），进一步支持正态性结论；（3）Anderson-Darling检验结果同样支持正态性（p均>0.05）；（4）偏度和峰度均在可接受范围内（偏度绝对值<3，峰度绝对值<10）。

综上所述，收缩压、体质指数、睡眠时长、血红蛋白、认知得分5项指标均具备正态性特质，可以使用参数检验方法进行后续统计分析。多种检验方法结果的一致性增强了结论的可靠性。