SPSS独立样本t检验的样本如何检验其是否符合正态分布?

T检验不需要正态分布的前提,检验用的是T分布THX！是我看书不认真，的确只要求方差齐即可。 还想请教：如果我采集1000个人的信息来了解某疾病的发病因素，筛查出来患病的有150个。采集的变量有性别年龄民族和一些专业的评估指标。我准备比较病人和正常人各个变量有无统计学差异，我的思路是，先做独立样本t检验----方差不齐的变量改用独立样本的非参数检验---民族和性别这样的分类变量，用卡方检验crosstabs。对发病原因的分析，用Logistic回归，选取有关因素。这样对么？这样可以啊，不过如果回归的自变量多的话，要注意考虑多重共线性哦~多重共线性？能否具体说说？是需要选用什么特殊的统计方法么？ 我现在选取的变量除了年龄性别民族等一些基本的人口学信息，还有三个量表的分数，每个量表又分出不同的维度。所以分到最基本的单位的话一共是9个变量。其实我只是想考察一下各个自变量和因变量之间的相关关系，以及各自变量之间的相关关系，做回归合适么？因为影响疾病的因素还有很多，而我选择的只是其中几项。 谢谢！！考察相关关系的话可以直接用相关分析啊，有序变量可以用spearman相关系数，自变量之间的相关系数可以参考交叉表里的Lambda系数做回归分析的话就要考虑多重共线性，简而言之就是自变量之间互相影响，使得模型失真。比如受教育程度和收入有可能有很强的相关性，把他们放在一个回归模型里就可能导致估计的参数有问题。自变量有分类变量（性别），还有计量资料，都可以分别和因变量做相关么？因变量是二分类变量也可以用SPSS做么？ 根据我说的情况，是不是就没有必要做回归了？只要自变量和因变量做做相关就OK了？都可以做相关分析的，二分类变量也可以做卡方检验，结果差别应该不大，可以同时做回归综合着看性别之类的名义变量做相关分析可以参考交叉表里的Lambda系数