考试成绩的正态性评估

研究背景

某课程教师收集了40名学生的期末考试成绩，想用参数检验（如t检验）比较男女差异。在做t检验之前，需要先验证成绩是否满足正态性假设。

研究问题

考试成绩是否服从正态分布？如果不满足正态性，应如何处理？

40名学生的考试成绩（0-100分）。数据近似正态但轻微左偏（高分居多）。

示例数据

考试成绩：52, 58, 61, 63, 65, 66, 67, 68, 69, 70, 71, 72, 72, 73, 74, 74, 75, 75, 76, 76, 77, 77, 78, 78, 79, 80, 80, 81, 82, 82, 83, 84, 85, 85, 86, 87, 88, 89, 91, 95

步骤 1：为什么需要正态性检验
t检验、ANOVA等参数检验要求数据近似正态分布。如果数据严重偏离正态，检验结果可能不可靠。正态性检验是参数检验的"前置检查"。
提示：小样本（n<30）时正态性检验效力低，即使数据非正态也可能不显著。大样本（n>200）时检验过于敏感，轻微偏离也会显著。
步骤 2：综合多种方法判断
不要只看一种检验结果。应综合：(1) Shapiro-Wilk检验；(2) 偏度和峰度；(3) Q-Q图；(4) 直方图。本案例：Shapiro-Wilk W=0.97, p=0.35 > 0.05，不拒绝正态假设。Q-Q图显示点基本沿对角线分布。
步骤 3：根据结果选择后续方法
正态性通过 → 可用t检验/ANOVA。正态性未通过 → 改用Mann-Whitney U/Kruskal-Wallis等非参数方法，或做数据转换（如Ln转换）。

结论

Shapiro-Wilk检验显示，考试成绩未显著偏离正态分布，W=0.97, p=0.35 > 0.05。偏度=-0.32（轻微左偏），峰度=-0.15（接近正态）。Q-Q图显示数据点基本沿参考线分布。可以认为数据满足正态性假设。

为什么这样解读？

正态性检验的"不显著"（p>0.05）在这里是好消息——说明数据没有严重偏离正态，可以继续使用参数检验。但要注意：p>0.05不等于"完全正态"，只是说偏离程度不足以拒绝正态假设。

如何在论文中报告

在进行独立样本t检验之前，对考试成绩进行了正态性检验。Shapiro-Wilk检验结果显示，数据未显著偏离正态分布，W(40)=0.97, p=0.35。偏度=-0.32，峰度=-0.15，均在可接受范围内。Q-Q图显示数据点基本沿对角线分布。因此，数据满足t检验的正态性假设。

只看Shapiro-Wilk一种检验

单一检验可能有偏差。应综合多种方法（检验+图形）。当Shapiro-Wilk和D'Agostino-Pearson结果不一致时，以Q-Q图为准。

p>0.05就说"数据是正态的"

p>0.05只说明"没有足够证据拒绝正态假设"，不等于"证明数据是正态的"。统计检验不能证明零假设。

大样本时过度依赖正态性检验

n>200时，Shapiro-Wilk对轻微偏离也会显著（p<0.05）。此时应以图形判断为主：如果直方图和Q-Q图看起来大致正态，轻微偏离通常不影响t检验的稳健性。