SPSS 常態性檢定怎麼做？

一頁先懂｜操作與判讀

01｜動手之前，先確認你要檢定的是哪一欄數字

一句話原則：檢定的對象，跟你接下來要做的分析目標一致。

如果接下來要比較男女兩組的平均數，你關心的是「各組內部」的分布，就依組別分開檢定；若是描述整份資料的分布樣態，看整體結果即可。SPSS 將此兩種做法放在同一個對話框，差別只在【因數清單】欄位有無變數。本文兩種均進行示範。

資料來源：本文示範使用一份 200 位護理人員工作負荷之模擬資料。欄位包括編號（ID）、服務單位（Unit）、性別（Sex，0 男、1 女）、年資（Tenure）、疲勞量表總分（Fatigue）。

目的：檢定之Y為連續變數 Fatigue（疲勞量表總分），分組變數為 Sex（性別）。

02｜操作路徑（不分組，全體 200 人一起檢定）

步驟 1｜打開「預檢資料」

從功能表依序點：分析(A) → 敘述統計(E) → 預檢資料(E)...

本模組在部分 SPSS 版本或簡體介面中稱為「探索」，位置與功能相同。

步驟 2｜把變數放進「應變數清單」

在左側變數清單中選取要檢定的連續變數（本例為 Fatigue），用中間的箭頭按鈕送進右上方的「應變數清單(D)」。

「應變數清單」只放連續變數。

步驟 3｜按右側的「圖形(T)...」

對話框右側有四個按鈕：統計量(S)、圖形(T)、選項(O)、拔靴法(B)。常態性檢定不在「統計量」裡，在「圖形」裡，此為最多人第一次操作時卡住的地方。

步驟 4｜勾選「常態圖（含檢定）(O)」

點開「圖形」之後會跳出第二層對話框。在左側「盒形圖」區塊的正下方，勾選「常態圖（含檢定）(O)」。

本選項同時輸出三結果：

1. 輸出 Tests of Normality 表（兩種檢定的統計量與 p 值）
2. 輸出 Normal Q-Q Plot（常態 Q-Q 圖）
3. 輸出 Detrended Normal Q-Q Plot（去趨勢常態 Q-Q 圖）

若無勾這一項，則不會執行常態性檢定，就看不到上述輸出結果。對話框裡其他預設值可先不動；右側「敘述統計」區塊的「莖葉圖(S)」預設已勾選，若你也想要檢視直方圖，可勾選「直方圖(H)」即可。

步驟 5｜「繼續(C)」回到主對話框，按「確定」

輸出視窗就會出現結果。

03｜輸出怎麼看

按下確定之後，主要結果表格如下：

Tests of Normality（常態檢定）

回答：這筆資料偏離常態的程度，是否大到足以被偵測出來？

逐欄判讀

本例：K-S 的 p 大於 .200，Shapiro-Wilk 的 p 為 .302，兩者均大於 0.05。結論為，此 200 筆疲勞量表總分沒有顯示出足以被偵測到的常態偏離。

兩個腳註不要跳過

1. 腳註 a：Lilliefors Significance Correction。本欄的 K-S 顯著水準為經過 Lilliefors 校正的。即表示所執行之分析為經過校正版本，Sig. 欄可以直接照後面的規則判讀。
2. 腳註 *：This is a lower bound of the true significance. 為最常被誤讀的一行。SPSS 印出的 .200 不是精確的 p 值，而是下界，真正的 p 值比 .200 更大。所以看到 .200*，正確的讀法是「p > .200」，寫進論文時也應該寫成 p > 0.200，不要寫成 p = 0.200。

兩個檢定同時印在同一張表上時，主判準看 Shapiro-Wilk。依據是 Razali 與 Wah（2011）以 Monte Carlo 模擬比較四種常態性檢定的檢定力，也就是「資料其實不是常態時，這個檢定抓不抓得出來」的能力：在各種分布型態與樣本數之下，Shapiro-Wilk 的偵測能力都是最強的，Kolmogorov-Smirnov 最弱；套用 Lilliefors 校正後的 K-S 雖然穩定優於未校正的 K-S，但仍不及 Shapiro-Wilk。K-S 那幾欄不必遮住，留著當參考即可，但不要當成主要依據。有一種情況例外：樣本數超過 5,000 時，SPSS 不會計算 Shapiro-Wilk，表上只印得出 K-S；不過在那樣的樣本量下，任何細微的偏離都會顯著，此時更應該回到 Q-Q 圖判斷形狀，不要只看 p 值。若兩者結果不一致，不要挑對自己有利的那個報：不一致本身就是訊息，代表資料落在判定的邊界上，這時回到 Q-Q 圖看形狀，以及偏離集中在哪一段。

04｜依組別分開檢定：只多做一個動作

接下來要分析的是兩組比較，想了解各組內部之分布。操作上只需要多做一件事。

操作差異

回到「預檢資料」主對話框，把分組變數（本例為 Sex）放進「因數清單(F)」。其餘步驟與第 02 節完全相同：按「圖形(T)」，勾「常態圖（含檢定）(O)」，「繼續(C)」，確定。

「因數清單」放的是分組用的類別變數。放進去之後，SPSS 會把前面的表全部按組別各輸出一次。

輸出差異

多出一個組別欄。以下是本例的實際輸出。

Tests of Normality（依性別）

判讀：四個 p 值全部大於 0.05，兩組均沒有顯示可偵測之常態偏離。

另要對 Q-Q 圖的形狀進行評估

1. Normal Q-Q Plot：資料點越貼近那條斜線，越接近常態。看的是整體貼合程度。

1. Detrended Normal Q-Q Plot（去趨勢版）：把斜線拉平成水平線，畫的是每一點偏離斜線的殘差。看的是偏離集中在哪一段，是兩端翹起、還是中間鼓起。

這兩張圖回答的是 p 值答不了的問題：偏離在哪裡、有多大。p 值只告訴你偏離有沒有大到被偵測出來。

一句話收掉這一節：檢定看數字，圖形看形狀，兩個一起看。

05｜把本例從頭判一次

以下是把前面所有數字串起來的完整判讀，也是你在方法段或結果段可以照著寫的順序。

第一步，看檢定。 不分組時 Shapiro-Wilk p = .302，Kolmogorov-Smirnov（Lilliefors 校正）p > .200。依性別分組後，男性組 p = .831 與 p > .200，女性組 p = .405 與 p > .200。六個 p 值全部大於 0.05。

第二步，看形狀指標。 偏態與峰度除以各自的標準誤之後，六個 Z 值都落在該組樣本數適用的範圍內（男性組 33 人適用 ±1.96，全體與女性組適用 ±3.29）。平均數 50.656 與中位數 50.750 幾乎重疊，5% 修整平均數 50.641 與平均數也幾乎一致，沒有被極端值拉動的跡象。上述偏態、峰度與各自的標準誤，以及平均數、中位數與 5% 修整平均數，都在同一次「預檢資料」輸出的敘述統計表裡，本文未另列該表。

第三步，看圖。 把 Normal Q-Q Plot 叫出來（見圖4）確認資料點沿斜線分布，並用去趨勢圖（見圖5）確認偏離沒有集中在某一段。

結論：這份疲勞量表總分，無論就整體或依性別分組，都沒有顯示出足以被偵測到的常態偏離。

寫進論文時的句子：「疲勞量表總分經 Shapiro-Wilk 檢定，整體樣本（N = 200）p = .302；依性別分組後，男性（n = 33）p = .831、女性（n = 167）p = .405，均未達顯著，並輔以常態 Q-Q 圖與偏態、峰度 Z 值檢視，未觀察到顯著的常態偏離。」

注意這句話的寫法：報的是 p 值本身，不是「通過檢定」四個字，而且把樣本數一起寫出來。因為讀者要能自己判斷這個「未達顯著」是在多大的樣本下得到的。

參考文獻

1. IBM Corporation. IBM SPSS Statistics 29 Command Syntax Reference（version 29, release 0, modification 1）。引用段落：EXAMINE 指令之 PLOT 次指令（NPPLOT 關鍵字）、NPAR TESTS 指令之 K-S 次指令（One-Sample）。查閱日期：2026 年 9 月 13 日。
2. Ghasemi, Asghar, and Saleh Zahediasl. "Normality Tests for Statistical Analysis: A Guide for Non-Statisticians." International Journal of Endocrinology and Metabolism, vol. 10, no. 2, 2012, pp. 486–489. DOI: 10.5812/ijem.3505
3. Mishra, Prabhaker, Chandra M. Pandey, Uttam Singh, Anshul Gupta, Chinmoy Sahu, and Amit Keshri. "Descriptive Statistics and Normality Tests for Statistical Data." Annals of Cardiac Anaesthesia, vol. 22, no. 1, 2019, pp. 67–72. DOI: 10.4103/aca.ACA_157_18
4. Razali, Nornadiah Mohd, and Yap Bee Wah. "Power Comparisons of Shapiro-Wilk, Kolmogorov-Smirnov, Lilliefors and Anderson-Darling Tests." Journal of Statistical Modeling and Analytics, vol. 2, no. 1, 2011, pp. 21–33.

AI 使用聲明

本文由匯東華統計顧問有限公司　陳秀敏　博士撰稿，Claude Opus 5 協助原文檢索、引用核對與版面排版，最終內容已由作者審閱定稿。文中所有 SPSS 操作畫面與輸出數值，均取自本公司以該份模擬資料實際執行之結果，非示意圖或轉載；判準依據取自上列方法學文獻原文，軟體行為之陳述取自 IBM SPSS Statistics 29 官方指令語法參考手冊，均逐項核對。示範資料為教學用模擬資料，非真實個人資料。日期：2026 年 9 月 18 日。

同期其他單元

• 統計方法實務｜p < 0.05 就有實務意義嗎？
• 臨床預測模型系列 No. 02｜預測模型的 ROC 曲線、校準圖與決策曲線：介紹與判讀
• 研究誠信與 AI 治理系列 No. 04｜醫院導入生成式 AI：五項治理重點

匯東華電子報 第 5 期｜2026.09.18｜看本期網頁版 →