YesStat — 정규성 검토 (결과)

정규성 검토

K-S · Shapiro-Wilk · Q-Q 도표 · 상자도표

변수	K-S 통계량	df	p	S-W 통계량	df	p
직무자원	.061	409	.001	.981	409	<.001
직무열의	.048	409	.024	.988	409	.003
직무성과	.074	409	<.001	.972	409	<.001
직무요구	.039	409	.142	.994	409	.108

Lilliefors 유의확률 수정 적용.

변수	왜도	왜도 SE	첨도	첨도 SE	이상치 수	판정
직무자원	−0.42	.121	0.31	.241	1	정규
직무열의	−0.28	.121	−0.14	.241	1	정규
직무성과	−0.68	.121	1.24	.241	2	정규
직무요구	0.11	.121	−0.47	.241	0	정규

히스토그램과 정규곡선

상자도표와 이상치

해석interp_rules.rule_id = NORM_LARGE_N · 매칭조건 n>200 AND abs(skew)<2 AND abs(kurt)<7

K-S와 S-W 검정에서 세 변수가 유의하게 나타났으나, 표본이 409명으로 크기 때문에 사소한 편차에도 검정이 유의해지는 특성을 고려해야 합니다.

왜도의 절댓값이 최대 0.68, 첨도가 최대 1.24로 각각 2와 7의 기준을 크게 밑돌아 정규성 가정을 충족하는 것으로 판단하였습니다. 표본이 200을 넘으면 검정 결과보다 왜도·첨도를 기준으로 삼는 것이 일반적입니다.

이상치 4건은 모두 |z| < 3.5로 극단적이지 않아 제거하지 않고 분석에 포함하였습니다.

OUTPUT: SAMPSTAT TECH13;
! TECH13 = 다변량 정규성 검토

swilk JR_mean WE_mean JP_mean JD_mean
qnorm WE_mean
graph box JR_mean-JD_mean

shapiro.test(dat$WE_mean); qqnorm(dat$WE_mean)
moments::skewness(dat$WE_mean)

EXAMINE VARIABLES=JR_mean WE_mean JP_mean JD_mean
  /PLOT BOXPLOT NPPLOT
  /STATISTICS DESCRIPTIVES EXTREME.

모형이나 변수 지정을 바꾸면 네 코드가 함께 갱신됩니다. 심사자가 다른 프로그램으로 재현을 요구할 때 그대로 전달할 수 있습니다.