spss如何做回代检验

需要作预报效果的验证时，在主对话框里单击“Save”按钮，在打开对话框里，选中“Predicted Values”预测值选项栏中的“Unstandardized”非标准化预测值选项。这样在过程运算时，就会在当前文件中新添加一个“PRE_1”命名的变量，该变量存放根据回归模型拟合的预测值。

然后，在SPSS数据窗口计算“y”与“PRE_1”变量的差值(图2-7)，本例子把绝对差值大于0.8视为不符合，反之则符合。结果符合的年数为15年，1年不符合，历史符合率为93.75%。

在GB4882-2001(ISO 5479:1997)中修改了正态性检验的的方法，其规定了正态性检验的例数至少为8例，而我们常用的是3例，另一个是去掉了D法，代之以Epps-Pulley检验方法
具体见附件:
用SAS中用Proc univariate normal;命令可以得出:Shapiro-Wilk
W和Kolmogorov-Smirnov
D两个结果，其与SPSS里面Explor时行数据探索性的检验结果很相近，意义是相同的，而且SPSS里面的Kolmogorov-Smirnov D已经给出了校正，用的方法是
Lilliefors Significance Correction。
但是在很多文献中，其做正态性检验用的是非参里面的单样本的Kolmogorov-Smirnov检验，其结果与上面两个都不一样，而且其给出的是
Kolmogorov-Smirnov Z值，个人感觉是用法上的错误。
对于大样本资料，有时从直方图上看，符合正态，但是做正态性检验，值非常少，文献和参考书上说明，对于大样本的资料，要求并不是很严，要求近似服从正态就可以了，但是这个近似服从正态没有自己的标准，我们用0.05或0.10的检验水准是拒绝不拒绝原假设
还有就是做正态分布的概率图，也很直观
大家对Kolmogorov-Smirnov D和Kolmogorov-Smirnov Z有具体的解释请写下相法和相应问题的个人看法