正态性检验怎么做？3步掌握核心

引言Introduction

正态性检验 是临床统计的第一步。很多医学生和科研人员拿到连续资料后，最常见的困惑就是：先用t检验，还是改用非参数检验？如果数据分布没判断清楚，后面的分析方法就可能选错。本文用3步讲清正态性检验 怎么做，帮助你快速建立判断框架。

1. 为什么要先做正态性检验

1.1 统计方法是否成立，先看分布前提

在连续资料分析中，很多常用方法都建立在正态分布前提上。比如单样本t检验、独立样本t检验、配对样本t检验和方差分析，都要求样本数据来自的总体服从或近似服从正态分布。
如果不先做正态性检验，后续P值可能没有统计学解释价值。

临床研究中，这一步不是形式步骤，而是方法选择的依据。对于医学生和初学者来说，最容易犯的错误就是“先上检验，再看分布”。正确顺序应是：先判断分布，再选方法。

1.2 正态性检验的两大类方法

根据上游知识库，正态性检验 可分为两类：

1. 图示法。
   包括直方图、Q-Q图、P-P图、茎叶图。
2. 假设检验法。
   包括Shapiro-Wilk检验、Kolmogorov-Smirnov检验，以及偏度峰度等方法。

图示法更直观，假设检验法更标准化。 两者结合使用，判断更稳妥。

1.3 什么样的结果才算“接近正态”

从图形上看，数据如果呈现中间高、两边低的钟形分布 ，通常提示近似正态。
从统计检验上看，如果原假设“样本来自的总体与正态分布没有显著差异”不被拒绝，通常可认为数据服从正态分布。常用判断标准是 P值＞0.05 。

2. 正态性检验怎么做，3步完成

2.1 第一步：先看图，不要只看P值

图示法是最适合入门的步骤。临床数据里，先看图往往比直接看P值更有意义。

常用图包括：

• 直方图
• Q-Q图
• P-P图
• 茎叶图

其中，直方图最直观 。如果曲线大致呈钟形，就提示数据可能接近正态。
Q-Q图和P-P图也很重要。 当数据点大多落在对角线附近，并近似形成直线时，说明分布较符合正态。

茎叶图则适合小样本。它能快速看出数据是否集中在中间区间，是否存在明显偏斜。

2.2 第二步：再做假设检验，验证判断

图示法存在一定主观性。同一张图，不同人可能会有不同判断。因此，还要结合假设检验。

在正态性检验 中，最常用的是：

• Shapiro-Wilk检验，简称SW检验
• Kolmogorov-Smirnov检验，简称KS检验

两者都属于非参数检验。原假设H0为：样本来自的总体分布与正态分布没有显著差异。
如果P值＞0.05，不拒绝原假设，可认为数据服从正态分布。

这里要特别注意样本量：

• SW检验适用于样本量较小的情况，SPSS中常用标准为≤5000
• KS检验适用于样本量较大的情况，SPSS中常用标准为＞5000

也就是说，小样本优先看SW检验，大样本可参考KS检验。

2.3 第三步：结合样本量和图形，给出最终判断

实际分析时，不要只盯着一个P值 。
推荐的思路是：

1. 先看直方图和茎叶图。
2. 再看Q-Q图或P-P图。
3. 最后结合SW或KS检验结果综合判断。

例如，某组10例患者的ALP差值数据，直方图显示中间高、两边低，茎叶图也呈现类似分布，同时SW检验P值大于0.05，那么就可以认为该数据服从正态分布。
小样本情况下，SW检验的参考意义更大。

3. 结果怎么解释，才能用于临床统计

3.1 图示法的解读重点

图示法的价值在于直观。临床上常见的判断要点有三个：

• 是否呈钟形
• 是否左右大致对称
• 是否存在明显偏态或离群点

如果直方图显示中间高、两边低，且Q-Q图点位大多贴近对角线，通常支持近似正态。
如果图形明显偏斜、尾部过长，或者点位远离直线，则要警惕非正态分布。

3.2 假设检验的解读重点

对于正态性检验 ，P值是核心指标，但不是唯一依据。
当P值＞0.05时，只能说明“没有证据拒绝正态性假设”，并不等于“绝对正态”。
这一区别在论文写作中很重要，也符合统计学表述规范。

当P值＜0.05时，说明数据与正态分布存在显著差异。此时，后续分析往往需要考虑：

• 对数转换
• 数据分层
• 非参数检验

3.3 大样本和小样本的策略不同

临床研究中，大样本数据很容易出现“P＜0.05”，但这不一定意味着数据完全不能用于参数检验。
样本量很大时，图示法往往比单纯的假设检验更有参考价值。 这是因为大样本对细小偏离也更敏感。

相反，小样本时，图示法加SW检验更适合综合判断。
因此，正态性检验不是一刀切，而是“图形+检验+样本量”三者合并判断。

4. SPSS里如何快速完成正态性检验

4.1 常用操作路径

根据课程案例，在SPSS中可通过以下路径完成：

1. 点击“分析”。
2. 选择“描述统计”。
3. 进入“探索”。
4. 将变量放入因变量列表。
5. 勾选直方图、茎叶图、含检验的正态图。
6. 输出结果后查看SW检验、KS检验、直方图和Q-Q图。

这套流程适合临床研究初学者，也适合论文前的数据预处理。

4.2 结果输出后怎么看

输出文档中通常会看到：

• 直方图
• 茎叶图
• 正态性检验表
• P-P图或Q-Q图

解读时建议按顺序看。先看图，再看P值，最后回到研究设计本身。
这样更不容易被单一统计结果误导。

4.3 正态性检验后的方法选择

一旦判断数据近似正态，后续可优先考虑参数检验。
如果不服从正态，则要结合研究设计选择非参数检验，避免强行套用t检验或方差分析。

这一步直接决定论文统计部分是否规范。 对医学生、医生和科研人员来说，它是基础中的基础。

总结Conclusion

正态性检验的核心，不是背概念，而是学会按步骤判断。 先看直方图、茎叶图、Q-Q图或P-P图，再结合SW检验和KS检验，最后根据样本量和图形综合下结论。小样本优先看SW检验，大样本注意图示法的参考价值。这样，后续t检验、方差分析或非参数检验的选择才有依据。

如果你希望把正态性检验 、SPSS操作和论文统计分析一次性学透，可以进一步了解解螺旋 的临床研究课程与实战工具，帮助你更快完成数据判断、方法选择和结果呈现。