Thesis正态性检验计算器（Shapiro-Wilk）
粘贴一组数据，几秒钟算出 Shapiro-Wilk 检验的 W 与 p 值和偏度峰度——用 t 检验/方差分析前评阅人会问「正态性检验做了吗」，不检验就用参数检验是数据分析章最常见的硬伤之一。纯浏览器本地计算、数据不上传，免注册、完全免费。
免注册 · 公测期免费 · 数据留在你的浏览器本地
为什么正态性检验值得自己先算一遍
t 检验、方差分析、Pearson 相关都默认数据近似正态；不做正态性检验直接套参数方法，是评阅人一眼就能抓住的方法硬伤。Shapiro-Wilk 是小样本（n<50）下功效最好的正态性检验，也是 SPSS「Explore」默认输出之一。
按 Royston (1995) 近似算法计算 W 统计量与 p 值（n=3-2000），与 SPSS 的 Shapiro-Wilk、R 的 shapiro.test、Python scipy 的 shapiro 结果一致，不是简化近似。
同时给均值/中位数/标准差、偏度与峰度（超额峰度）帮助判断偏离方向，并按结果直接给出「该用参数检验还是非参数检验」的路径建议——显著偏态时该去哪个工具一句话说清。
计算在你的浏览器里完成，数据不发送到服务器，不调用 AI，随时可以换一组数据重算。
怎么用（3 步）
- 把一组数据粘贴进输入框（Tab/逗号/空格/换行分隔均可，从 Excel 单列复制即可），每次检验一组；
- 点「计算正态性检验」查看 W、p 值、偏度峰度与检验方法选择建议；
- 把结果句式一键复制进论文数据分析章，正式结论建议再用 SPSS/R 复核一遍。
常见问题
计算用的是什么方法？
用 Shapiro-Wilk 检验的 Royston (1995) 近似算法（AS R94）：对排序数据用正态分位数构造系数计算 W，再经对数正态近似换算 p 值，适用 n=3-2000——与 SPSS、R 的 shapiro.test、scipy.stats.shapiro 口径一致。W 越接近 1 越接近正态。
p 值怎么解读？
原假设是「数据来自正态分布」：p ≥ 0.05 表示不能拒绝正态假设（可以使用参数检验）；p < 0.05 表示数据显著偏离正态（建议改用非参数检验或做变换）。注意大样本下轻微偏离也会显著，此时应结合偏度峰度与直方图综合判断。
不正态该怎么办？
两独立组比较改用 Mann-Whitney U 检验，配对前后测改用 Wilcoxon 符号秩检验，三组以上改用 Kruskal-Wallis 检验，重复测量改用 Friedman 检验（本站都有对应计算器）；或对数据做对数等变换后重新检验。等级/李克特单题数据本身不建议按连续正态处理。
每组都要检验吗？样本量有要求吗？
要按组分别检验（如实验组、对照组各一次），而不是把所有数据混在一起测。本工具支持 n=3-2000；n<3 无法检验，n 很小时功效有限（不显著不等于正态），建议同时报偏度峰度。
我的数据会被上传吗？
不会。计算完全在你的浏览器本地完成，任何数据都不发送到服务器，也不调用 AI 服务。
前提检验做完了，数据分析章一站写完
工作台覆盖选题→开题→大纲→分章写作→文献→自查→导出全流程：把检验结果挂进对应章节让 AI 严格依据数据成文，不编造数字，全程免注册、免费。
免费打开工作台