外观
正态性检验教程
按 Stata sktest 口径检查变量是否明显偏离正态分布。
常用 Stata 命令
sktest x1 x2 x3 在 STATAU 中打开此功能
正态性检验sktest偏度峰度检验
这个页面解决什么问题
正态性检验适合放在描述性统计之后。它能帮助你判断某些连续变量是否明显偏离正态分布，并据此决定后续是否需要做对数变换、缩尾，或者在解释结果时更强调稳健口径。
适用数据与前提
需要数值型变量。每个变量至少应有 8 个有效样本，且页面会按每个变量自己的非缺失样本分别检验。
STATAU 页面中每个位置应该放什么变量
| 网站位置 | 应放入的变量 | 说明 |
|---|---|---|
| 检验变量 | 数值型变量列表 | 可多选，每个变量会单独输出一行结果。 |
| 结果表统计量 | Pr(skewness) / Pr(kurtosis) / Adj chi2(2) / Prob>chi2 | 分别对应偏度、峰度和联合卡方检验。 |
Stata 等效代码
sktest [变量列表]| Stata 代码位置 | STATAU 网站对应位置 | 应放入什么 |
|---|---|---|
[变量列表] | 检验变量 | 进入正态性检验的全部变量。 |
sktest | 结果表统计量 | 页面采用与 Stata sktest 一致的偏度-峰度联合检验口径。 |
在 STATAU 中操作步骤
- 勾选需要检验的数值型变量。
- 执行后先看联合检验 Prob>chi2，再结合偏度和峰度分项 p 值判断偏离来源。
- 若变量明显拒绝正态性，再决定是否做变量变换或改用更稳健的估计口径。
结果怎么看
- 联合检验的原假设是“变量服从正态分布”，因此 Prob>chi2 越小，越倾向拒绝正态性。
- 如果偏度 p 值更小，通常说明分布更偏斜；如果峰度 p 值更小，通常说明尾部厚度或峰态更异常。
- 多个变量一起检验时，应优先总结哪些变量明显偏离正态，而不是只盯一个统计量。
论文表述示例
- 可以写成：“正态性检验结果显示，部分核心变量显著偏离正态分布，后续估计采用稳健口径并结合变量变换进行检验。”
常见使用误区
- 把分类变量或 0/1 虚拟变量拿来做正态性检验，通常没有太强解释意义。
- 只看偏度或峰度的单项结果而忽略联合检验，会让结论变得片面。