SPSS问卷数据如何检验正态分布？
在数据分析过程中，很多方法都需要数据满足正态分布，比如方差分析、独立t检验、线性回归分析（因变量）等。如果说没有这个前提可能会导致分析不严谨等等。检验数据是否服从正态分布不仅仅有一种方法，一般可以分为检验法和图示法。
参考文献：[1]陈平雁, 黄浙明. SPSS 13.0统计软件应用教程[J]. 人民卫生出版社, 2005.[2]刘堃. SPSS统计分析在医学科研中的应用[M]. 人民卫生出版社, 2012.
举例进行分析：
个性化服务, 隐私保护, 购买意愿, 公司职员全部均不具有正态性特质。这里需要注意：原假设是服从正态分析，模型显著就会拒绝原假设！！！！！！！！！！！！！
直方图：
如果使用直方图，直方图若呈现‘中间高，两边低，左右基本对称的钟形图’则基本服从正态分析。
符合：
不符合：
PP图：
p-p图和q-q图都是根据累计分布函数理论计算的，使用它们可以进行数据是何种分布的检验，但是常用于检验数据是否服从正态分布。如果图形中所有店都聚集在直线上，则说明变量分布服从于所要检验的分布，直观说法就是如果散点分布近似‘对角线’则可以认为正态分布。
符合：
不符合：
QQ图；
直观说法就是如果散点分布近似‘对角线’则可以认为正态分布。
符合：
不符合：
核密度图:
与直方图类似。
Box-Cox 变换会让数据更可能变得正态，但并非进行Box-Cox 变换后，数据一定会满足正态分布的特质。
Johnson 转换利用分布族数学原理进行转换，其转换公式相对复杂与数据压缩法和 Box-Cox 变换类似，Johnson 转换后的数 据会相对更加满足正态分布，但是并非转换后数据一定会满足正态分布，而且会丢失数据的原始意义，仅余下数据的相对意义。
