求助 用sas9.3做sas正态分布图性检验 但是看不懂结果

苹果/安卓/wp
积分 201, 距离下一级还需 59 积分
权限: 自定义头衔
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡下一级可获得
权限: 签名中使用图片
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
本帖最后由 wanghaidong918 于
06:55 编辑
我有一列数据如下所示:100& & 110& & 110& & 110& & 120& & 130& & 130& & 134& & 135& & 135& & 140& & 140& & 140& & 140& & 158& & 158& & 160& & 161& & 165& & 170& & 170& & 171.1& & 180& & 180& & 180& & 180& & 180& & 180& & 183& & 188& & 190& & 192& & 198& & 200& & 200& & 200& & 201& & 201& & 201& & 205& & 210& & 210& & 210& & 210& & 211.1& & 220& & 230& & 230& & 230& & 242& & 250& & 260& & 260& & 260& & 260& & 260& & 260& & 260& & 260& & 260& & 260& & 260& & 260& & 267& & 270& & 270,用stata的sktest, swilk程序检验是否服从正态分布得到的结果分别是Prob&chi2& && && &&&Prob&z& && && && && && && && && & 0.0157& && && && & 0.02823
从上可知在1%的水平下不显著,可以认为数据服从正态分布。
然后我再用sas做了一遍,用的程序是proc univariate data=XXX&&normal,得到的结果确却是
& && && && && && && && & Shapiro-Wilk& && && & W& &&&0.942792& & Pr & W& && &0.0043& && && && &
& && && && && && && && &Kolmogorov-Smirnov& & D& &&&0.133608& & Pr & D& &&&&0.0100
& && && && && && && && &Cramer-von Mises& && &W-Sq&&0.116173& & Pr & W-Sq& &0.0703
& && && && && && && && &Anderson-Darling& && &A-Sq&&1.045804& & Pr & A-Sq& &0.0091
这里在1%的水平下显著,可以拒绝服从正态分布的原假设,到这里我就犯晕了,到底应该以那个结果为准啊?我的样本个数这么少应该是看Shapiro-Wilk 的结果吧,但是stata的swilk结果和sas 的这个结果又相悖。
哪位高手能帮忙解答一下啊???
载入中......
P值的计算是基于统计量的,统计量不同,P值也不同;
P值大于置信水平,严格来说,只能说明这种检验下,没有足够理由拒绝原假设;
P值是拒绝或者接受原假设的程度,综合比较几种检验下的P值,得出最后结论。
ziyenano 发表于
P值的计算是基于统计量的,统计量不同,P值也不同;
P值大于置信水平,严格来说,只能说明这种检验下,没有 ...stata的swilk检验最后报告的结果有这么一行文字“Shapiro-Wilk W test for normal data”,按理说应该和sas报告的Shapiro-Wilk W 结果一致呀,他们应该算的都是同一个统计量吧,可是我这一个的p值为0.02823,一个的p值为0.0043,我觉得差别还是挺大的。难不成不同的软件还有准对这个统计量的不同算法。
Prob&z& &&&0.02823
Pr & W& && &0.0043
不是一个检验吧?
无限扩大经管职场人脉圈!每天抽选10位免费名额,现在就扫& 论坛VIP& 贵宾会员& 可免费加入
加入我们,立即就学扫码下载「就学」app& Join us!& JoinLearn&
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向,请联系(010-);
邮箱:service@pinggu.org
投诉或不良信息处理:(010-)
京ICP证090565号
京公网安备号
论坛法律顾问:王进律师

我要回帖

更多关于 sas正态分布 的文章

 

随机推荐