统计百科 ·
Shapiro-Wilk正态性检验的APA报告怎么写？W值、p值、偏度峰度格式全解
统计百科：专攻Shapiro-Wilk正态性检验的APA报告格式——W值精确到几位小数、p值怎么处理、偏度与峰度如何配合报告、大样本时为何要看Q-Q图而非只盯p值，给出可直接套进论文的完整APA 7th模板。
正态性检验几乎出现在每一篇量化论文的"前提假设核查"里，但它的报告格式却远比 t 值、F 值容易出错——W 值要几位小数、p 值出了 .000 怎么办、偏度和峰度要不要配合写、大样本检验 p < .001 是否说明数据"不正态"……本文专攻这一具体格式点，给出 APA 7th 标准下 Shapiro-Wilk 检验的完整报告模板，并厘清大样本场景下正确的判断逻辑。
你的正态性报告有这些问题吗？
审稿人或导师关于正态性检验报告最常见的反馈：
- "Shapiro-Wilk 检验结果缺少 W 值，只写了 p 值"
- "W 值精度不对，应精确到两位或三位小数"
- "大样本（N > 200）时，Shapiro-Wilk 几乎必然显著，不能单靠 p < .001 就断定不正态"
- "偏度和峰度数值要写进报告，只说'通过正态性检验'不规范"
- "Q-Q 图是大样本时判断正态性的主要依据，方法章节需说明"
- "Kolmogorov-Smirnov 检验用在哪些场景，和 Shapiro-Wilk 有什么区别？"
这些问题都集中在一个核心点：正态性检验不是一个 p 值就能打发的，它需要 W 值 + p 值 + 偏度/峰度 + 图形证据四者配合报告，尤其在大样本时，统计检验本身的判断力会失真。
本文默认你已了解 APA 7th 基础格式规范（p 值不加前导零等），如需复习，参见姊妹篇 t 值的 APA 7th 报告写法 和 F 值的 APA 7th 报告写法。
一、Shapiro-Wilk 检验是什么，W 值的含义
检验的核心逻辑
Shapiro-Wilk 检验（1965，Shapiro & Wilk）是最常用的单变量正态性检验方法，核心问题是：这组数据与来自正态分布的样本有多接近？
$W = \frac{\left(\sum_{i=1}^{n} a_i x_{(i)}\right)^2}{\sum_{i=1}^{n}(x_i - \bar{x})^2}$
其中 $x_{(i)}$ 是排序后的第 $i$ 个观测值，$a_i$ 是由期望正态顺序统计量衍生的权重系数。
W 值的直觉理解：
- W 值范围在 0 到 1 之间
- W = 1 表示样本完全符合正态分布（理论上）
- W 越接近 1，越正态；W 越小，越偏离正态
- 实际数据的 W 通常在 0.90 ~ 0.99 之间
与 F 值、t 值不同，W 值不是"越大越显著"，而是"W 越接近 1 越好（越不拒绝正态假设）"。这是最容易混淆的地方。
Shapiro-Wilk 与 Kolmogorov-Smirnov 怎么选
| 检验方法 | 适用样本量 | 特点 |
|---|---|---|
| Shapiro-Wilk（SW） | N = 3 ~ 5000 | 功效更高，心理/社会科学默认选择 |
| Kolmogorov-Smirnov（KS，Lilliefors 修正版） | N > 50（大样本） | SPSS 默认输出，功效低于 SW |
| Anderson-Darling | 任意 | 对尾部偏离更敏感，工程领域常用 |
结论：N < 5000 时，优先报告 Shapiro-Wilk；若同时使用 SPSS 且输出了 KS 结果，可两者都报告但说明以 SW 为准。
二、APA 7th 格式规范：Shapiro-Wilk 报告必须包含的要素
必报要素清单
| 要素 | 格式 | 示例 |
|---|---|---|
| 检验方法 | Shapiro-Wilk 检验 | 明确说明方法名 |
| W 统计量 | W(N) = X.XXX | W(85) = .972 |
| p 值（精确三位小数） | p = .XXX 或 p < .001 | p = .087 |
| 偏度（Skewness） | S = X.XX，SE = X.XX | S = 0.31，SE = 0.26 |
| 峰度（Kurtosis） | K = X.XX，SE = X.XX | K = -0.42，SE = 0.52 |
| 大样本时的图形证据 | Q-Q 图视觉检查 | "Q-Q 图显示数据点沿参考线分布" |
W 值与 p 值的精度要求
- W 值精确到三位小数：W = .972（不写 .97 或 .9718）
- W 值书写不加前导零：W = .972（不写 W = 0.972），与 APA 所有小于 1 的统计量规范一致
- p 值精确到三位小数，不加前导零：p = .087
- p = .000 → 改写为 p < .001
样本量 N 的位置
W 值括号内写 N（总样本量），而非自由度：
W(85) = .972, p = .087
注意：部分软件输出格式为 W = .972，df = 85，此时 df 即等于 N，报告时写 N 更清晰。
三、偏度与峰度：为什么必须配合报告
偏度和峰度的作用
Shapiro-Wilk 的 p 值只告诉你"是否显著偏离正态"，不告诉你偏在哪个方向、偏了多远。偏度和峰度补充了这一信息：
| 指标 | 正态分布理论值 | 绝对值判断标准 |
|---|---|---|
| 偏度（Skewness） | 0 | ≤ 1：轻微；1~2：中等；> 2：严重 |
| 峰度（Kurtosis） | 0（超额峰度） | ≤ 1：轻微；1~2：中等；> 2：严重 |
不同软件的峰度定义不同，需注意：
- SPSS / R（psych）：输出超额峰度（Excess Kurtosis），正态分布 = 0
- 某些工程软件：输出绝对峰度（Raw Kurtosis），正态分布 = 3
报告时须说明是哪种，或直接写数值并备注"SPSS 超额峰度标准"。
偏度峰度的标准误（SE）与 z 检验
APA 7th 建议同时报告偏度/峰度的标准误，并可用 z 检验辅助判断：
$z_{skew} = \frac{S}{SE_S}, \quad z_{kurt} = \frac{K}{SE_K}$
- |z| < 1.96：p > .05，不显著偏离
- |z| > 1.96：p < .05，显著偏离（但大样本时同样高度敏感）
实用标准（George & Mallery，2010）：偏度和峰度绝对值均在 ±2 以内，认为基本满足正态性，可继续使用参数检验。
四、大样本的正态性判断：为什么不能只看 p 值
这是正态性报告中最容易出现概念错误的地方。
大样本时 Shapiro-Wilk 的局限
当 N > 200（特别是 N > 500）时，Shapiro-Wilk 检验对极微小的偏差也会给出 p < .001。此时 p < .001 并不意味着数据"严重不正态"或"不能用参数检验"，它只说明检验的统计功效非常高，能侦测到几乎任何微小的偏离。
示例对比：
| 情形 | N | W 值 | p 值 | 实际含义 |
|---|---|---|---|---|
| 小样本，轻度正偏 | 45 | .961 | .142 | 不显著，正态假设成立 |
| 大样本，轻度正偏 | 500 | .991 | .003 | 显著，但偏度仅 0.28，实为轻微偏离 |
| 大样本，严重偏态 | 500 | .863 | < .001 | 显著，偏度 1.87，确实严重偏离 |
第二行的正确报告策略：尽管 p = .003，但偏度 = 0.28（轻微），峰度 = 0.31（轻微），Q-Q 图显示数据点紧贴参考线，综合判断为基本满足正态性假设。
大样本的判断层级（推荐）
- N < 50：以 Shapiro-Wilk p 值为主要依据
- N = 50 ~ 200：SW 结合偏度/峰度综合判断
- N > 200：主要依据偏度/峰度绝对值（±2 标准）+ Q-Q 图视觉检查，SW p 值仅作参考
- N > 200（尤其 N ≥ 50）：中心极限定理基本生效（强偏态分布建议 N ≥ 50，一般情形 N ≥ 30 即可），参数检验通常稳健，可直接说明"根据中心极限定理，样本量充分，参数检验结果稳健"
五、完整 APA 报告模板（可直接套用）
场景一：小样本，正态性成立（N < 100，p > .05）
情形：85 名被试的焦虑得分，正态性检验通过。
完整报告段落模板：
Shapiro-Wilk 正态性检验结果表明，[变量名]基本符合正态分布，
W([N]) = .XXX, p = .XXX。
偏度 = X.XX（SE = X.XX），峰度 = X.XX（SE = X.XX），
均在可接受范围内，满足参数检验的正态性前提。
填入数值的示例：
Shapiro-Wilk 正态性检验结果表明，焦虑得分基本符合正态分布，W(85) = .972, p = .087。偏度 = 0.31（SE = 0.26），峰度 = -0.42（SE = 0.52），均在可接受范围内（绝对值 < 1），满足后续独立样本 t 检验的正态性假设。
场景二：小样本，正态性不成立（N < 100，p < .05）
情形：42 名被试的反应时间，右偏明显，检验不通过。
完整报告段落模板：
Shapiro-Wilk 正态性检验结果显示，[变量名]显著偏离正态分布，
W([N]) = .XXX, p = .XXX。
偏度 = X.XX（SE = X.XX），峰度 = X.XX（SE = X.XX），
呈明显[右偏/左偏/厚尾]分布。
因正态性假设不成立，后续分析采用[非参数检验方法，如 Mann-Whitney U 检验]。
填入数值的示例：
Shapiro-Wilk 正态性检验结果显示，反应时间显著偏离正态分布，W(42) = .841, p = .003。偏度 = 1.94（SE = 0.37），峰度 = 3.28（SE = 0.72），数据呈明显右偏，存在较多极端高值。因正态性假设不成立，后续分析改用 Mann-Whitney U 检验。
场景三：大样本，综合判断正态性（N > 200）
情形：N = 356 的问卷研究，SW 检验 p < .05 但偏度/峰度轻微。
完整报告段落模板：
对[变量名]进行正态性检验，Shapiro-Wilk 检验结果显示 W([N]) = .XXX, p = .XXX。
考虑到本研究样本量较大（N = [N]），Shapiro-Wilk 检验对微小偏差高度敏感，
因此结合偏度（S = X.XX, SE = X.XX）和峰度（K = X.XX, SE = X.XX）综合判断：
两者绝对值均低于 2，Q-Q 图显示数据点基本沿对角参考线分布，
表明[变量名]数据基本满足正态性假设，可采用参数检验方法。
填入数值的示例：
对学习投入得分进行正态性检验，Shapiro-Wilk 检验结果显示 W(356) = .984, p = .009。考虑到本研究样本量较大（N = 356），Shapiro-Wilk 检验对微小偏差高度敏感，因此结合偏度（S = 0.22, SE = 0.13）和峰度（K = 0.38, SE = 0.26）综合判断：两者绝对值均低于 1，Q-Q 图显示数据点基本沿对角参考线分布，表明学习投入数据基本满足正态性假设，可采用参数检验方法。
场景四：多变量同时报告（表格形式）
多个变量需要报告正态性时，用表格汇总更清晰（APA 7th 允许此格式）：
方法章节说明：
在正式分析前，采用 Shapiro-Wilk 检验对各量表均值进行正态性核查，结果汇总于表 X。
表格示例（APA 三线表格式）：
| 变量 | N | M | SD | 偏度 | 峰度 | W | p |
|---|---|---|---|---|---|---|---|
| 学习动机 | 356 | 3.82 | 0.67 | 0.21 | -0.14 | .989 | .062 |
| 自我效能感 | 356 | 3.65 | 0.71 | 0.18 | 0.29 | .991 | .124 |
| 学业拖延 | 356 | 2.74 | 0.84 | 0.47 | 0.08 | .981 | .004 |
表格下方注：
注：W 值为 Shapiro-Wilk 检验统计量。学业拖延 p = .004，但偏度（0.47）和峰度（0.08）均在可接受范围（绝对值 < 1），Q-Q 图显示无明显偏离，视为基本满足正态性假设。
六、在 ChatSRS 一句话获得规范正态性报告
打开 chatsrs.com，上传数据后输入：
"对问卷各量表均值（学习动机、自我效能感、学业拖延）做 Shapiro-Wilk 正态性检验，同时输出每个变量的偏度和峰度（含标准误），生成 APA 7th 格式的正态性检验汇总表和配套文字说明段落，注明大样本时的判断逻辑。"
ChatSRS 的输出包含：①每个变量的 W 值（三位小数）、p 值、偏度、峰度汇总表；②配套的 APA 格式文字段落；③大样本时自动触发偏度/峰度综合判断逻辑；④Q-Q 图（可下载）。所有内容可直接复制进论文。
七、方法章节怎么说明正态性核查
标准方法章节描述（小样本）
在进行主要分析前，采用 Shapiro-Wilk 检验评估各变量的正态性假设。
若检验结果显示显著偏离正态分布（p < .05），
改用相应的非参数检验方法（Mann-Whitney U / Wilcoxon 秩和检验）。
标准方法章节描述（大样本）
在进行主要分析前，采用 Shapiro-Wilk 检验结合偏度、峰度及 Q-Q 图对各变量
进行正态性核查。考虑到大样本（N > 200）时 Shapiro-Wilk 检验对微小偏差
高度敏感，以偏度和峰度绝对值低于 2 作为满足正态性的实用标准
（George & Mallery，2010），并辅以 Q-Q 图视觉确认。
八、常见错误对照表
| 常见错误 | 正确写法 | 违反的规则 |
|---|---|---|
| 只写 p 值，无 W 值 | W(85) = .972, p = .087 | W 值是必报统计量 |
| W = 0.972（加前导零） | W = .972 | APA 统计量小于 1 不加前导零 |
| W 精确到两位小数：W = .97 | W = .972（三位小数） | 精度不足 |
| p = .000 | p < .001 | .000 是舍入假值 |
| N > 200 仅凭 p < .001 判断不正态 | 结合偏度/峰度 + Q-Q 图综合判断 | 大样本检验功效过高 |
| 不报告偏度和峰度 | 偏度 = X.XX（SE = X.XX）、峰度 = X.XX（SE = X.XX） | 正态性判断需多维证据 |
| 峰度绝对值 > 3 才异常（绝对峰度标准） | SPSS 输出超额峰度，正常参考值为 ±2 | 软件差异，需注明使用哪种标准 |
| 混淆 KS 和 SW 结果 | 明确说明所用检验方法 | 两种检验功效不同 |
常见 FAQ
Q：Shapiro-Wilk 检验 p = .032，数据偏度只有 0.4，到底算不算正态？
A：这是正态性判断最常见的"灰色地带"。从统计严格意义上，p < .05 意味着拒绝正态零假设；但从实际分析角度，偏度仅 0.4（绝对值 < 1）属于轻微偏离，绝大多数参数检验（t 检验、ANOVA、回归）对这种程度的偏离具有良好的稳健性，结果不会受到实质性影响。建议的报告策略是：注明 SW 检验 p = .032，但同时报告偏度和峰度轻微（均 < 1），说明参数检验结果在此条件下仍可信，并在讨论部分作为局限性提及。这是 APA 手册精神所允许的"综合判断"。
Q：W 值括号里写 N 还是 df？
A：写 N（样本量），不写 df。Shapiro-Wilk 检验没有像 t 值、F 值那样独立的自由度概念，W 的分布依赖于 N，因此括号内直接写样本量：W(85) = .972。部分软件输出 df = N，理解上是等价的，但 APA 报告习惯写 N。
Q：正态性检验不通过，一定要用非参数检验吗？
A：不一定。正态性检验的目的是确认参数检验（t 检验、ANOVA 等）的前提假设。但参数检验对轻-中度正态偏离有较强稳健性，特别是在样本量充足时（一般 N ≥ 30 即可借助中心极限定理，强偏态时建议 N ≥ 50）。实际操作中，偏度/峰度均在 ±2 以内时，大多数期刊接受继续使用参数检验，前提是在方法章节说明了核查过程和判断依据。仅在偏度/峰度超过 ±2 或 Q-Q 图显示严重偏离时，才有必要切换到非参数方法。
Q：同时输出了 Shapiro-Wilk 和 Kolmogorov-Smirnov 两个结果，应该报哪个？
A：优先报告 Shapiro-Wilk。KS（Lilliefors 校正版）的统计功效低于 SW，尤其在小样本时 SW 更可靠。若两者结论一致，只报告 SW 即可；若两者结论不一致（如 SW: p = .043，KS: p = .134），以 SW 为准并在报告中说明采用 SW，因其对正态偏离更敏感。
Q：偏度为正还是负，对分析有什么影响？
A：正偏度（右偏，S > 0）说明数据有长右尾，均值大于中位数，高分端有少量极端值；负偏度（左偏，S < 0）则相反。对参数检验而言，方向本身影响不大，影响更大的是偏离程度。在论文中，偏度方向有助于解读数据特征（如"被试反应时呈右偏分布，表明存在少数极端慢速反应"），属于描述性说明，不影响正态性判断标准。
快速参考：Shapiro-Wilk 报告格式速查卡
[基本格式]
W(N) = .XXX, p = .XXX（或 p < .001）
偏度 = X.XX（SE = X.XX），峰度 = X.XX（SE = X.XX）
[小样本，正态通过]
W([N]) = .XXX, p = .XXX；偏度 = X.XX，峰度 = X.XX
→ "满足正态性假设，采用参数检验"
[小样本，正态不通过]
W([N]) = .XXX, p = .XXX；偏度 = X.XX（严重偏离）
→ "正态性假设不成立，采用非参数检验"
[大样本（N > 200）]
W([N]) = .XXX, p = .XXX（样本量大，对微小偏差敏感）
偏度 = X.XX（SE = X.XX），峰度 = X.XX（SE = X.XX）
→ 偏度/峰度绝对值 < 2 + Q-Q 图 → "综合判断满足正态性"
[多变量汇总]
APA 三线表：变量 | N | M | SD | 偏度 | 峰度 | W | p
表注说明大样本判断逻辑
相关阅读
- t 值的 APA 7th 报告写法 — 自由度、效应量、独立/配对模板全解
- F 值的 APA 7th 报告写法 — F(df1,df2)格式、效应量 eta 平方、报告模板全解
- 正态性检验完整指南 — Shapiro-Wilk、KS、Q-Q 图、偏度峰度
- APA 描述统计报告格式 — M、SD、中位数、全距、置信区间
本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内 [用户中心 -> 帮助与反馈] 联系我们。