SAS中的正态性检验

关键词：sas正态性检验 sas 正态分布检验 sas正态分布图

许多计量资料的分析方法要求数据分布是正态或近似正态，因此对原始独立测定数据进行正态性检验是十分必要的。

正态性检验主要有三类方法:

一、计算综合统计量

如动差法、夏皮罗-威尔克Shapiro-Wilk 法(W检验) 、达戈斯提诺D Agostino 法(D检验) 、Shapiro-Francia 法(W检验) .

二、正态分布的拟合优度检验

如皮尔逊χ2 检验、对数似然比检验、柯尔莫哥洛夫Kolmogorov-Smirov 法检验 .

三、图示法(正态概率图Normal Probability plot)

如分位数图(Quantile Quantileplot ,简称QQ图) 、百分位数(Percent Percent plot ,简称PP图) 和稳定化概率图(Stabilized Probability plot ,简称SP图) 等.

SAS规则：

当样本含量n ≤2000 时,结果以Shapiro – Wilk (W 检验) 为准,当样本含量n>2000 时,结果以Kolmogorov – Smirnov (D 检验) 为准。

SAS过程

正态分布检验的一般格式如下：

proc univariate data=数据集 normal;

var 变量;

histogram 变量;

probplot 变量;

run;

在检验中，我们的零假设是变量服从正态分布，如果test for normality检验结果的p值小于0.05水平，则拒绝零假设，否则接受零假设。

在检验中，我们的零假设是变量服从正态分布，如果TEST FOR NORMALITY检验结果的P值小于0.05水平，则拒绝零假设，否则接受零假设。