审稿人说，你的数据是偏态分布的，统计方法不对？怎么办？

经常地，有人咨询我，郑老师，论文杂志单位返修时，审稿人说我的数据的偏态的，怎么办 呀？

郑老师的第一反映是，你是不是又不分正态偏态，统统拿过来进行t检验了吧？这一点，确实该受到批评。这年头，秩和检验方法又不是什么难以通过SPSS实现的方法，你就不试试？

但事已至此，我们还是应付审稿人的问题吧。

这里我们这里思考几个问题.

第一，审稿人为什么怀疑数据是偏态的？

第二，我们是不是一定要按照审稿人意见来？

第三，偏态分布一定不能采用t检验，F检验吗？

审稿人为什么怀疑数据是偏态的？

一般出于两点情况，第一，有些变量，理论上就是偏态分布的。第二，标准差特别大，在观察值都是正值的情况下，标准差比均数还要大。

比如，下面的例子，病程的标准差比均数还要大，那么就可以怀疑是偏态分布。

我们是不是一定要按照审稿人意见来？

一般是先做一下正态性检验，若正态性检验P<0.05，则可以按照审稿人意见来修改。他们最大，别惹恼了。

偏态分布一定不能采用t检验，F检验吗？

这是数据分析阶段要考虑的问题时，正态性检验P<0.05时，一定要采用秩和吗？不尽然。

对于成组设计的t检验，一般存在着两种观念。第一，各组样本均来自于正态分布的总体。一般可通过正态性检验来进行判断，比如采用Shapiro-Wilk检验方法，如果至少一组P<0.05，则被认为正态性不符合，差异性比较采用秩和检验；第二，根据中心极限定理，无论样本来自何种分布，只要样本量足够大（一般认为样本量大于50即为足够大），其样本均值均近似服从正态分布。因此样本量较大时，完全可以忽视正态性问题，仍然可以采用参数检验方法。上述两个观念相互矛盾，令统计分析人员非常困惑。

郑老师认为，在实践中，正态性检验的方法是一种参考的方法，但它并不能扮演决定性角色，应结合直方图或者Q-Q图进一步的分析。两者方法结合，可以将数据分为正态、近似正态与严重偏态三种形态。

实际统计策略方面，诸位可以将数据分布分为三类：正态分布、近似正态分布数据和严重偏态分布数据。

第1类：正态分布符合，P>0.05;

第2类：正态分布不符合，P<0.05，但直方图还是呈现大致的中间多两边少，无严重极端值；

第1类和第2类，均可以采用均数描述，采用t、F检验

第3类：正态分布不符合，P<0.05，数据严重偏态，或者存在明显极端异常值，应采用中位数和四分位数间距来描述，采用非参数秩和检验

-本文结束-

如果您觉得文章不错，

点击“分享”吧，非常感谢。