用SPSS做对数正态分布检验，sig值>0.05或<0.05说明什么问题？ （sig值由分析-非参-K-S检验得出的）
sig是不是就是传说中的P值？
当大于0.05时是不是就说明不符合对数正态分布？
如果这种方法不行，该怎样做才能检验我的数据是否符合对数正态分布？
我做了对数分布P-P图，基本在同一直线上，但是没有定量的东西说明是否符合对数正态分布，怎样才能得到定量的参数来证明是否符合？
隔行如隔山啊，等大侠拔刀相助！
满意回答追加50分
当sig大于0.05时就说明数据服从指定的分布（如正态分布），sig越大越能说明数据服从指定的分布（如正态分布）。sig值小于0.05说明数据不服从正态分布。
从研究总体中抽取一个随机样本计算检验统计量的值计算概率sig值或者说观测的显著水平，即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。
如果sig<0.01，说明是较强的判定结果，拒绝假定的参数取值。
如果0.01<sig值<0.05，说明较弱的判定结果，拒绝假定的参数取值。
如果sig值>0.05，说明结果更倾向于接受假定的参数取值。
扩展资料
在很多应用中，特别是在可靠性和维修性方面，数据可能不符合正态分布。可是，随机变量的对数可能符合正态分布，对此情况称为对数正态分布。如果应用对数正态分布，在对数正态图纸上数据的图形将是一条直线。绘图的过程与其他分布是相同的。其分析的过程包括计算对数值的平均值和标准差，以及对最终结果取反对数。
对数正态分布与正态分布很类似，除了它的概率分布向右进行了移动。对数正态分布从短期来看，与正态分布非常接近。但长期来看，对数正态分布向上分布的数值更多一些。更准确地说，对数正态分布中，有更大向上波动的可能，更小向下波动的可能。
对数正态分布用于半导体器件的可靠性分析和某些种类的机械零件的疲劳寿命。其主要用途是在维修性分析中对修理时间数据进行确切的分析。
已知对数正态分布的密度函数，就可以根据可靠度与不可靠度函数的定义计算出该分布的可靠度函数和不可靠度函数的表达式
如果你的数据在对数分布P-P图上基本处于同一直线，那么就可以认定符合对数正态分布，这一点是没有问题的。如果你想定量地证明这一点，就像我上面说的那样，要对你的原始数据做对数转换之后使用K-S检验测试是否服从正态分布，如果服从正态分布（sig大于0.05），就可以推断你的原始数据服从对数正态分布。
P值出现于统计学的检验假设（Hypothesis Test）中，其意思是当原假设（Null Hypothesis）成立的条件下，能够出现至少你的实验结果一样大或更大的统计量的概率。以你的分析为例，你的P值越大，就表明在原假设（如服从正态分布）成立的条件下，得到你这份数据结果的统计量的概率越大。一般情况下，当P值大于0.05是就可以认为原假设成立。
你在我的空间中提供的P值的文章，它们的解释是不完整的。P值的解释必须跟原假设联系在一起在有意义，否则就不能完整地理解P值的意义。比如，在两组样本的t检验中，原假设一般是两组之间无显著差异。如果跟根据你的两组实验结果算出的t值其对应的P值大于0.05，就可以认为原假设成立，两组无显著差异；反之则说明备择假设（Alternative Hypothesis）成立，两组有显著差异。追问
我的数好大，有的达到0.9了，是不是不正常了？
另外，p值是从：“分析”—“非参数检验”—“K-S检验“做出来的吗？还是经过其他的步骤？
P值达到0.9仍属正常。对于分布检验，在SPSS中，只有使用K-S检验和Explore才能算出P值。Explore只能考察正态分布情况。
本回答被提问者采纳