正态性检验怎么看结果?

1、首先打开spss，在变量视图里面输入“数据”。

2、然后回到数据视图里面，将数据录入到数据这一列里面。

3、录入好数据之后，点击分析，d出窗口，在找到描述统计，之后又d出一个窗口，然后点击探索。

4、先将“数据”移动到变量栏里面，然后点击“绘制”d出窗口，将“待检验的正太图”打勾，然后点击确定。

5、点击确定之后，在点击探索对话框的确定之后出现分析结果。

6、然后结果到“正态性检验”，会发现，有2个检验结果，这个时候说明得到的依据情况而定，第一个k-s检验是大数据时候使用的检验，第二个s-w检验是小数据时候使用的。根据例题，数据是小数据，所以用s-w的数据，有因为数据得p>005，说明数据符合正态性分布。

ADF检验的原假设是：有单位根p值小于005,则可以拒绝单位根的假设,你这里p值是0000,完全可以拒绝原假设,序列平稳当样本量足够大时,t分布于正态分布类似,t值大于2或小于-2,则可以拒绝原假设在这里t值为-9658201,完全可以拒绝原假设,即不存在单位根,序列已经平稳下面那个1%,5%,10%只是参考临界值而已,一般你上面的t值的绝对值大于5%的临界值的绝对值,就可以拒绝原假设,认为序列平稳你可以试试1阶差分

是否取对数要看数据的具体分布，总之要使模型最后的残差尽可能接近正态分布。所以，一般的，数据本身如果就是对数正态分布的话即尖峰肥尾，要取对，如股票价格等。而如通胀数据则不必。 取对当然可以减少异方差了。第一，对数变换可明显改善显著右偏的单个数据集，使之驱向对称，以至于更大程度地满足许多常用模型对变量正态分布的假定。 第二，对数变换可以把一组非线性结构的变量转化为近似的或显著的线性关系，以简化模型，改善估计方法。 第三，对理论上可无限分割后用再用几何平均法计算其均值的现象，对数变换后，可用算术平均法计算，满足概率论中期望、方差的定义。

---