你遇到的问题
论文方法部分要求「先检验正态性」，但 SPSS 同时给出 Kolmogorov-Smirnov 和 Shapiro-Wilk 两个结果，有时一个显著一个不显著；更让你困惑的是，样本一大 p 值几乎必然小于 .05，难道所有数据都不能用 t 检验和方差分析了？
适用场景
在使用 t 检验、方差分析、Pearson 相关、线性回归等参数方法之前，需要评估数据（或残差、差值）是否近似正态；正态性评估应结合统计检验、偏度峰度指标和 Q-Q 图、直方图等图形证据综合判断，而不是只看某一个 p 值。
正确做法
小样本（一般 n < 50，多数软件支持到 n = 2000）优先看 Shapiro-Wilk，它对偏离正态的检验效力更高；若用 K-S 检验，注意总体均值和标准差由样本估计时必须采用 Lilliefors 校正（SPSS 的探索过程默认已校正），未经校正的单样本 K-S 会过于宽松。大样本时正态性检验对微小偏离极其敏感，p < .05 不代表偏离有实际影响，此时应改看偏度和峰度——常用经验标准为偏度绝对值小于 2、峰度绝对值小于 7 可视为近似正态（更保守的标准为偏度绝对值小于 1）——并结合 Q-Q 图判断；当 n 较大（通常大于 30 至 50）时，t 检验和方差分析对轻度偏态本身也较为稳健。只有当数据严重偏态、有极端值或为等级数据时，才考虑改用 Mann-Whitney U、Wilcoxon、Kruskal-Wallis 等非参数方法或对数据做变换。
报告示例：对实验组前测焦虑得分（n = 45）进行正态性检验，Shapiro-Wilk 检验结果为 W = 0.972，p = .324，偏度为 0.41、峰度为 −0.28，Q-Q 图上数据点基本落在对角线附近，可认为数据近似服从正态分布，满足后续 t 检验的前提条件。
常见错误
错误一：不看样本量一律用未校正的单样本 K-S 检验，得出「p > .05 所以正态」的结论，实际上该检验在参数由样本估计时效力很低，小样本应首选 Shapiro-Wilk。错误二：大样本下看到 Shapiro-Wilk 的 p < .05 就机械地放弃参数检验全部改用非参数方法，忽略了大样本检验的过度敏感性和参数方法的稳健性，正确做法是结合偏度峰度与图形证据综合判断。
需要更进一步？
如果你已经有一份正态性检验的输出，但不确定「一个显著一个不显著」时该怎么写、要不要换非参数方法，可以把输出粘贴进统计结果解读器，快速得到规范的判断和中文或英文表述；如果数据形态复杂（严重偏态、多组别、需要变换），建议预约辅导为你的具体数据定方案。