正態數據可以用非正態分析方法嗎

A. 怎樣把非正態分布的數據轉化為正態分布的

做SPSS分析，數據不符合正態分布，如何將非正態數據轉為正態分布數據，可以採用以下步驟來轉換：先將原始分數的頻數轉化為相對累積頻數（百分等級），將它視為正態分布的概率，然後通過查正態分布表中概率值相對應的Z值，將其轉化為Z分數，達到正態化的目的。

在SPSS上的操作方法：工具欄transform-Rank cases，將左邊你要進行正態化的變數拖入右邊「變數」框中；點選rank types對話窗，選中normal scores選項（共四種計算方法，系統默認的是bloom計算方法，可根據你的需要進行改進），點擊continue，ok。

spss會在數據觀察表中生成兩列新變數，其中N總分變數就是你想要的正態化結果。註：尊重知識，請提問者盡快答案。

B. 用SPSS做相關分析時，數據不呈正態分布，是不是就不能用pearson分析了要用spearman分析

這個首先要看你的變數數據是否都屬於連續性數據，如果都是連續性數據，然後繪制一下變數的散點圖，看看是否是顯著的不符合正態分布，如果完全不符合的話 那就只能用其他的來分析，如果只是略微偏態 還是可以用pearson分析
如果數據分類等級數據類型，則直接用spearman方法

C. 數據不服從正態分布，在SPSS裡面要用什麼檢驗方法檢驗兩者之間的差異性

如果是對比差異性，一般是使用非參數檢驗，建議可以使用在線智能化SPSS分析軟體SPSSAU進行分析，默認就提供此種分析方法。分配用戶訪問許可權時，堅持最小許可權分配原則，並限制用戶只能訪問特定資料庫，不能同時訪問其他資料庫。

修改資料庫默認訪問埠，使用防火牆屏蔽掉對 外開放的其他埠，禁止一切外部的埠探測行為。對資料庫內存儲的重要數據、敏感數據進行加密存儲，防止資料庫備份或數據文件被盜而造成數據泄露。

(3)正態數據可以用非正態分析方法嗎擴展閱讀

按照結構化的方法存儲數據， 每個數據表都必須對各個欄位定義好（也就是先定義好表的結構），再根據表的結構存入數據，這樣做的好處就是由於數據的形式和內容在存入數據之前就已經定義好了。

所以整個數據表的可靠性和穩定性都比較高，但帶來的問題就是一旦存入數據後，如果需要修改數據表的結構就會十分困難。

而NoSQL資料庫由於面對的是大量非結構化的數據的存儲，它採用的是動態結構，對於數據類型和結構的改變非常的適應，可以根據數據存儲的需要靈活的改變資料庫的結構。

D. 非正態數據回歸分析的問題

使用秩相關。
也就是在SPSS里，進入相關，在界面里選Spearman，而不是默認的Pearson。

E. 關於非正態數據回歸分析的問題

主要是因變數，不要是非正態的
我替別人做這類的數據分析蠻多的

F. 急，數據非正態，能否使用因子分析進行統計

因子分析並不需要是否是正態分布吧？

只要Barlett球形檢驗和KMO檢驗合格，也可以進行因子分析。

G. 用方差分析一組數據,若將原始數據（非正態分布）化為正態分布,會不會影響最終結果

要看你怎麼處理
如果不符合正態分布的一組數據,採用正態分布去擬合,當然誤差會比較大.
但是採用某種轉換方式將數據進行預處理,處理後的數據符合正態分布,則可使用正態分布擬合,但是根據該分布得到的結論別忘了後處理,轉換回去.

H. spss非正態分布的數據用什麼檢驗

從理論上看，正態性特質是很多分析方法的前提，但現實中很難出現完美的正態分布數據，而且基於正態分布的參數檢驗性能相對更優，因而在實際研究中，可能即使數據非態，也會使用基於正態分布的參數檢驗。

I. SPSS非正態分布數據如何修改成為正態分布數據！急求

可以應用變數變換的方法，將不服從正態分布的資料轉化為非正態分布或近似正態分布。

常用的變數變換方法有對數變換、平方根變換、倒數變換、平方根反正玄變換等，應根據資料性質選擇適當的變數變換方法。

X』=lgX當原始數據中有小值及零時，亦可取X』=lg（X+1）還可根據需要選用X』=lg（X+k）或X』=lg（k-X）對數變換常用於（1）使服從對數正態分布的數據正態化。如環境中某些污染物的分布，人體中某微量元素的分布等，可用對數正態分布改善其正態性。

圖形特徵

集中性：正態曲線的高峰位於正中央，即均數所在的位置。

對稱性：正態曲線以均數為中心，左右對稱，曲線兩端永遠不與橫軸相交。

均勻變動性：正態曲線由均數所在處開始，分別向左右兩側逐漸均勻下降。

曲線與橫軸間的面積總等於1，相當於概率密度函數的函數從正無窮到負無窮積分的概率為1。即頻率的總和為100%。

以上內容參考：網路-正態分布

J. 兩組非正態分布數據，用不同的方法轉化成正態分布，可以直接做參數檢驗嗎

當然不行了，要一種方法處理