分布检验方法比较
Ø 图示法相对于其他方法而言，比较直观，方法简单，从图中可以直接判断，无需计算，但这种方法效率不是很高，它所提供的信息只是正态性检验的重要补充。
Ø 经常使用的拟合优度检验和Kolmogorov-Smirnov检验的检验功效较低，在许多计算机软件的Kolmogorov-Smirnov检验无论是大小样本都用大样本近似的公式，很不精准，一般使用Shapiro-Wilk检验和Lilliefor检验。
Ø Kolmogorov-Smirnov检验只能检验是否一个样本来自于一个已知样本，而Lilliefor检验可以检验是否来自未知总体。
Ø Shapiro-Wilk检验和Lilliefor检验都是进行大小排序后得到的，所以易受异常值的影响。
Ø Shapiro-Wilk检验只适用于小样本场合（3≤n≤50）,其他方法的检验功效一般随样本容量的增大而增大。
Ø 拟合优度检验和Kolmogorov-Smirnov检验都采用实际频数和期望频数进行检验，前者既可用于连续总体，又可用于离散总体，而Kolmogorov-Smirnov检验只适用于连续和定量数据。
Ø 拟合优度检验的检验结果依赖于分组，而其他方法的检验结果与区间划分无关。
Ø 偏度和峰度检验易受异常值的影响，检验功效就会降低。
Ø 假设检验的目的是拒绝原假设，当p值不是很大时，应根据数据背景再作讨论。
Shapiro—Wilk检验法是S.S.Shapiro与M.B.Wilk提出用顺序统计量W来检验分布的正态性,对研究的对象总体，先提出假设认为总体服从正态分布，再将样本量为n的样本按大小顺序排列编秩，然后由确定的显著性水平α，以及根据样本量为n时所对应的系数αi,根据特定公式计算出检验统计量W。最后查特定的正态性W检验临界值表，比较它们的大小，满足条件则接受假设，认为总体服从正态分布，否则拒绝假设，认为总体不服从正态分布。
各种检验的方法的应用前提
（1）正态性检验：大样本用K-S检验，小样本用Shapiro-Wilk检验。具体方法有两种，一种是使用Descriptive Statistics->Explore，一种是使用Non-parametic Test->1 Sample K-S Test
（2）标准化处理（去量纲）：即将原有的一组数据转为符合N(0,1)分布的数据，从而达到去单位的效果。具体做法是在Descriptive Statistics->Descriptive下勾选Save standardized values as variables，即可得到相应的标准化数据。
（3）单因素方差分析：
1.前提条件
正态性检验，独立性检验，方差齐性
2.数据导入
对于固定效应模型，可以利用Compare Means/One way ANOVA实现，亦可以用GLM/univariate实现，对于随机效应模型，可以用GLM/univariate实现。
如何判定该用固定效应模型还是随机效应模型：因为HAUSMAN TEST的原假设是:采用随机效应模型:备选假设:采用固定效应模型.所以,直接看P值就行了,若P值小于0.01\0.05\0.1三者中的一个显著性水平(看你怎样定显著性水平),就可以拒绝原假设,而采用固定效应模型.
（4）多因素方差分析
1.前提条件
正态性检验，独立性检验，方差齐性
2.数据导入
对于固定效应和随机效应，都用GLM/univariate实现。
3.模型的选择
对于有重复观测值的多因素方差分析，首先分析各个因素是否存在交互效应，如果不存在交互效应，则把交互效应并为误差效应，仅分析各因素的独立效应或主效应。
（4.5）实际应用中对方差分析适应条件的把握
1.单因素方差分析：在单因素方差分析中，如果各组的重复观测数相同或总体呈正态分布，则方差分析模型对方差不齐有一定的承受力，只有最大方差与最小方差之比小于3，结果是稳定的。
2.单元格内无重复的多因素方差分析：不考虑正态性和方差齐性问题，这是因为正态性和方差齐性是以单元格为基本单位的，每个单元格只有一个数据，因此无法分析。
3.单元格有重复数据的多因素方差分析：一般数据量较小，因此正态性检验和方差齐性检验无实际意义。
（5）简单相关分析
1.参数方法（Pearson方法）
要求所有变量均服从正态分布
2.非参数方法(Spearman方法)
适用于不服从正态分布的变量
ps:偏相关分析和复相关分析均要求服从正态分布（Pearson方法）
（6）线性回归分析的前提条件
1.自变量之间相互独立
检验方法：多重共线性检验，检验指标为容许度（Tolerance）和方差膨胀因子（VIF）
2.残差独立且服从正态分布
检验方法：一是作图法，二是DW（Durbin-Watson）检验，三是Runs检验
3.自变量和因变量之间的关系是线性的
检验方法：一是作图法，二是t检验，三是F检验与可决系数
（7）各种t检验的用途
1.单样本t检验（One Sample T Test）
对一组样本，检验相应总体均值是否等于某个值
2.相互独立样本t检验（Independent-Sample T Test）
样本x1,x2,...,xn与样本y1,y2,...,yn可以颠倒顺序而对结果不会产生影响
3.配对样本t检验
样本x1,x2,...,xn与样本y1,y2,...,yn的顺序不可以颠倒。
评论