k-s检验是用来检验数据是否符合正态分布的，因为在检验之前我们并不知道该数据是否符合正态分布，所以这种检验属于非参数检验。对要检验的数据也没有限制，只要数据量够大就可以，数据量偏少会造成检验不准确。下面来具体介绍k-s检验的过程和结果分析。
方法/步骤
在spss中打开数据，怎么打开就不介绍了，打开数据以后，在菜单栏上执行：analyze–非参检验–legacy disalogs–1 sample k-s
- 将你要检验正态的变量放到test variables list，勾选下面的normal，这是正态的意思。
- 点击exact，进入选择检验方法的对话框
这里有三个选项可以选择，第一个asymptotic的意思是基于渐进分布的显著性水平的检验指标，适于大样本，如果样本过小或者分布不好，就会影响检验的效力；monte carlo适用于精确显著性水平的无偏估计，如果样本过大，数据处理过程太长，就应该使用这个选项；exact精确计算概率值，可以设定数据处理的时间，如果数据处理时间超过了你设定时间30分钟，就应该使用monte carlo
- 回到k-s检验对话框，点击options按钮，设置输出的参数
- 勾选descriptive和quartiles，这两个的意思分别是输出描述性统计和四分位数，点击continue按钮
- 我们可以看到对数据的检验结果，最后的显著性检验值为0.000，非常显著。我们首先要知道在做显著性检验的时候虚无假设是数据符合正态分布，因为检验显著，所以否定虚无假设，所以数据是不符合显著性的要求的。
转载请注明来自DataScience.
邮箱: 675495787@qq.com