(资料图片)

1、检验正态分布的办法，在spss菜单中选择分析——描述统计——探索，将需要检验的变量放入因变量里面，选择“绘制——带检验的正态图，看一下tests of normality就可以，如果成正态，sig不会小于临界值还可以参考QQ图，如果是正态，QQ图里的散点回呈直线，normal qq图的横坐标是实际的数据从小到大排列，纵坐标是正态分布的期望值，所以如果实际的和正态的期望相符，散点图就会呈一条直线；detrended qq图的横坐标是实际观测值，纵坐标是实际观测值减去期望值，如果数据符合正态，那么散点应当在中央横线附近2、方差是否一样就是看方差齐性检验了，方差齐性问题只存在于独立样本t检验中，独立样本t检验自带方差齐性检验，你只要按照独立样本t检验的步骤做出结果，那在t检验的报表里面就有方差齐性检验的结果，就是那个F检验，只要F检验的sig>0.05，就代表两组数据方差相同。

2、理论上来说，t检验需要满足正态分布和方差齐性，首先，t检验的结果要判断是否显著，是根据t分布表，如果你的数据不是正态的（正态分布的小样本分布为t分布），那查表就必然有偏误，所以需要数据是正态分布。

3、再说方差齐性，独立样本t检验计算t值的时候需要合并方差，合并方差的前提是两组数据的方差来自同一总体，如果不满足这个条件，等于相加的两个方差单位不同，而单位不同的数据是不可以直接相加的。

4、所以方差齐性也必须满足。

5、但t检验实际上对于方差齐性和正态分布是有一定稳健性的，也就是一定程度上的违反不太影响t检验结果的准确性，所以基本上你可以放心用t检验。

6、如果严重违反正态性和方差齐性，可以考虑做给数据做一下正态转换，它可以解决正态性问题，并一定程度上改善方差齐性问题。

7、spss的变量正态转换步骤：工具栏transform-Rank cases，将左边你要进行正态化的变量拖入右边“变量”框中；点选rank types对话窗，选中normal scores选项（共四种计算方法，系统默认的是bloom计算方法，可根据你的需要进行改进），点击continue，ok，此时spss页面上会生成两列新变量，第一个变量，N打头的那个就是正态化后的新变量转换后可以用新的正态化变量做t检验，。

本文到此分享完毕，希望对大家有所帮助。