正态数据可以用非正态分析方法吗

A. 怎样把非正态分布的数据转化为正态分布的

做SPSS分析，数据不符合正态分布，如何将非正态数据转为正态分布数据，可以采用以下步骤来转换：先将原始分数的频数转化为相对累积频数（百分等级），将它视为正态分布的概率，然后通过查正态分布表中概率值相对应的Z值，将其转化为Z分数，达到正态化的目的。

在SPSS上的操作方法：工具栏transform-Rank cases，将左边你要进行正态化的变量拖入右边“变量”框中；点选rank types对话窗，选中normal scores选项（共四种计算方法，系统默认的是bloom计算方法，可根据你的需要进行改进），点击continue，ok。

spss会在数据观察表中生成两列新变量，其中N总分变量就是你想要的正态化结果。注：尊重知识，请提问者尽快答案。

B. 用SPSS做相关分析时，数据不呈正态分布，是不是就不能用pearson分析了要用spearman分析

这个首先要看你的变量数据是否都属于连续性数据，如果都是连续性数据，然后绘制一下变量的散点图，看看是否是显着的不符合正态分布，如果完全不符合的话 那就只能用其他的来分析，如果只是略微偏态 还是可以用pearson分析
如果数据分类等级数据类型，则直接用spearman方法

C. 数据不服从正态分布，在SPSS里面要用什么检验方法检验两者之间的差异性

如果是对比差异性，一般是使用非参数检验，建议可以使用在线智能化SPSS分析软件SPSSAU进行分析，默认就提供此种分析方法。分配用户访问权限时，坚持最小权限分配原则，并限制用户只能访问特定数据库，不能同时访问其他数据库。

修改数据库默认访问端口，使用防火墙屏蔽掉对 外开放的其他端口，禁止一切外部的端口探测行为。对数据库内存储的重要数据、敏感数据进行加密存储，防止数据库备份或数据文件被盗而造成数据泄露。

(3)正态数据可以用非正态分析方法吗扩展阅读

按照结构化的方法存储数据， 每个数据表都必须对各个字段定义好（也就是先定义好表的结构），再根据表的结构存入数据，这样做的好处就是由于数据的形式和内容在存入数据之前就已经定义好了。

所以整个数据表的可靠性和稳定性都比较高，但带来的问题就是一旦存入数据后，如果需要修改数据表的结构就会十分困难。

而NoSQL数据库由于面对的是大量非结构化的数据的存储，它采用的是动态结构，对于数据类型和结构的改变非常的适应，可以根据数据存储的需要灵活的改变数据库的结构。

D. 非正态数据回归分析的问题

使用秩相关。
也就是在SPSS里，进入相关，在界面里选Spearman，而不是默认的Pearson。

E. 关于非正态数据回归分析的问题

主要是因变量，不要是非正态的
我替别人做这类的数据分析蛮多的

F. 急，数据非正态，能否使用因子分析进行统计

因子分析并不需要是否是正态分布吧？

只要Barlett球形检验和KMO检验合格，也可以进行因子分析。

G. 用方差分析一组数据,若将原始数据（非正态分布）化为正态分布,会不会影响最终结果

要看你怎么处理
如果不符合正态分布的一组数据,采用正态分布去拟合,当然误差会比较大.
但是采用某种转换方式将数据进行预处理,处理后的数据符合正态分布,则可使用正态分布拟合,但是根据该分布得到的结论别忘了后处理,转换回去.

H. spss非正态分布的数据用什么检验

从理论上看，正态性特质是很多分析方法的前提，但现实中很难出现完美的正态分布数据，而且基于正态分布的参数检验性能相对更优，因而在实际研究中，可能即使数据非态，也会使用基于正态分布的参数检验。

I. SPSS非正态分布数据如何修改成为正态分布数据！急求

可以应用变量变换的方法，将不服从正态分布的资料转化为非正态分布或近似正态分布。

常用的变量变换方法有对数变换、平方根变换、倒数变换、平方根反正玄变换等，应根据资料性质选择适当的变量变换方法。

X’=lgX当原始数据中有小值及零时，亦可取X’=lg（X+1）还可根据需要选用X’=lg（X+k）或X’=lg（k-X）对数变换常用于（1）使服从对数正态分布的数据正态化。如环境中某些污染物的分布，人体中某微量元素的分布等，可用对数正态分布改善其正态性。

图形特征

集中性：正态曲线的高峰位于正中央，即均数所在的位置。

对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。

均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。

曲线与横轴间的面积总等于1，相当于概率密度函数的函数从正无穷到负无穷积分的概率为1。即频率的总和为100%。

以上内容参考：网络-正态分布

J. 两组非正态分布数据，用不同的方法转化成正态分布，可以直接做参数检验吗

当然不行了，要一种方法处理