---
title: "Como avaliar a normalidade dos dados no SPSS?"
url: https://www.blog.psicometriaonline.com.br/avaliando-a-normalidade-dos-dados-no-spss
canonical: https://www.blog.psicometriaonline.com.br/avaliando-a-normalidade-dos-dados-no-spss
language: pt-BR
published: 2024-12-03T15:00:00.000Z
updated: 2026-03-30T01:31:40.704Z
modified: 2026-03-30T01:31:40.704Z
author: "Marcos Lima"
categories: ["Tutoriais"]
tags: ["pressupostos estatísticos", "tutorial no spss"]
description: "Neste post demonstramos como avaliar a normalidade dos dados no SPSS, por meio de índices de assimetria e curtose e de testes estatísticos."
source: Blog Psicometria Online
---
# Como avaliar a normalidade dos dados no SPSS?

> Como avaliar a normalidade dos dados no SPSS? Neste post, apresentaremos um tutorial de como analisar diferentes índices e testes de normalidade nesse software. O que é distribuição normal? A distribuição normal é é uma distribuição de probabilidade simétrica, em forma de sino, cujos valores...

Como avaliar a normalidade dos dados no SPSS? Neste post, apresentaremos um tutorial de como analisar diferentes índices e testes de normalidade nesse *software*.

## O que é distribuição normal?

A distribuição normal é é uma distribuição de probabilidade simétrica, em forma de sino, cujos valores mais frequentes estão localizados no centro, com frequências cada vez menores à medida que nos aproximamos dos extremos da distribuição. A Figura 1 ilustra um conjunto de dados com uma distribuição aproximadamente normal.

![representação de uma distribuição normal empírica.](/uploads/2021-05_distribuicao-normal-empirica.jpg)

*Figura 1. Distribuição normal empírica.*

Ela é uma distribuição importante, pois muitas técnicas estatísticas assumem algum tipo de normalidade. Por exemplo, o [teste *t* para amostras independentes](/teste-t-para-amostras-independentes) assume que os escores de cada um dos grupos são oriundos de populações normalmente distribuídas. Por outro lado, o [teste *t* de medidas repetidas](/teste-t-para-amostras-dependentes) assume que os escores **da diferença** entre mensurações é que são normalmente distribuídos.

Desse modo, para que os testes estatísticos produzam inferências válidas, é importante checarmos se acatamos os pressupostos do teste em nossos dados. Por outro lado, quando violamos os pressupostos estatísticos, os resultados de nossos testes podem não ser confiáveis, além de nos afastarmos da taxa nominal de [erro Tipo I](/o-que-e-erro-do-tipo-i) que estabelecemos.

Além disso, se os nossos dados possuírem distribuição normal, então algumas propriedades conhecidas da distribuição se aplicarão aos nossos dados. Por exemplo, em distribuições normais, sabemos que [aproximadamente 68%, 95% e 99%](https://blog-academy.replit.app/dados-normativos-escores-percentilicos-e-escores-padronizados) dos escores estão a 1, 2 e 3 desvios-padrões, respectivamente, da média (Figura 2).

![representação da distribuição normal padrão, com escores z e percentuais em diferentes regiões da distribuição.](/uploads/2025-08_distribuicao-normal-padrao.jpg)

*Figura 2. Percentuais de escores caindo em diferentes regiões de uma distribuição normal-padrão.*

**Saiba mais:** [**O que é distribuição normal?**](/distribuicao-normal)

## Como avaliar a normalidade dos dados no SPSS?

### Exemplos de conjuntos de dados

Para fins desse tutorial, criamos três conjuntos de dados, com 300 observações cada (Figura 3).

![dados usados no tutorial.](/uploads/2021-07_exemplos-de-distribuicoes.jpg)

*Figura 3. Exemplos de distribuições de dados usadas no tutorial.*

Observamos que apenas o primeiro conjunto (Figura 3, painel esquerdo) parece ter distribuição normal. Idealmente, portanto, nossos índices e testes estatísticos deveriam discriminar a primeira das demais distribuições.

### Como solicitar os índices de normalidade dos dados no SPSS?

Primeiramente, abra seus dados e siga o caminho **Analisar > Estatísticas descritivas > Explorar** (Figura 4).

![caminho para solicitar a avaliação da normalidade dos dados no SPSS.](/uploads/2022-03_solicitando-testes-de-normalidade-no-spss.jpg)

*Figura 4. Caminho para solicitar os índices e testes de normalidade no SPSS.*

Em seguida, insira as variáveis que você quer testar a normalidade em **Lista dependente** e clique em **Gráficos** (Figura 5, painel esquerdo). Na nova janela que abrirá, marque a opção **Gráficos de normalidade com testes** (Figura 5, painel direito).

![opções para solicitar índices e testes de normalidade dos dados no SPSS.](/uploads/2021-07_opcoes-teste-de-normalidade-spss.jpg)

*Figura 5. Opções para solicitar os testes de normalidade no SPSS.*

Não precisaremos mexer em **Estatísticas**, pois elas, por padrão, já nos apresentarão os índices de assimetria e de curtose. Basta clicar em **Continuar** e, em seguida, em **OK**. Após clicar em OK, o SPSS gerará os resultados das análises solicitadas.

## Como interpretar as saídas das análises de normalidade dos dados do SPSS?

### Tabela de estatísticas descritivas

A Figura 6 apresenta as estatísticas descritivas que o SPSS gerou. Contudo, visando economizar espaço, nós reconfiguramos o padrão de apresentação da tabela, que é ligeiramente diferente daquele criado pelo SPSS.

![tabela com descritivos úteis para avaliar a normalidade dos dados no SPSS.](/uploads/2022-03_descritivos-saida-spss.jpg)

*Figura 6. Estatísticas descritivas geradas pelo SPSS*.

A tabela de estatísticas descritivas contém índices das variáveis, incluindo, por exemplo, [medidas de tendência central](/medidas-de-tendencia-central-media-mediana-e-moda) e [de dispersão](/medidas-de-dispersao-amplitude-a-variancia-e-o-desvio-padrao). Uma estatística que você talvez não conheça é a média aparada de 5%. Para obter esse valor, o SPSS ordena as observações da menor para a maior, e exclui os 5% menores valores, bem como os 5% maiores. Por fim, após essa exclusão, o SPSS calcula a nova média amostral.

Diferenças substanciais entre as médias original e aparada podem indicar que valores extremos estão exercendo forte influência sobre a média original da amostra. É exatamente o que acontece na distribuição de qui-quadrado (*Moriginal* = 0,97, *Maparada 5%* = 0,74).

Em contrapartida, há pouca mudança nos valores das médias originais e aparadas, nos casos das distribuições normal e uniforme, indicando que valores extremos não influenciam substancialmente o valor da média.

### Assimetria e curtose

Anteriormente, a Figura 6 apresentou valores de assimetria e curtose. Em seguida, reapresentamos esses valores na Figura 7, com uma nova configuração da tabela. Além disso, acrescentamos uma informação nova na Figura 7, indicada pelas células nas cores azul e vermelha.

![índices de assimetria e de curtose para avaliar a normalidade dos dados no SPSS.](/uploads/2022-03_assimetria-e-curtose-e-eps-estatisticas.jpg)

*Figura 7. Índices de assimetria e de curtose. EP = erro-padrão.*

Kline (2016) sugere que valores de assimetria maiores que 3, e de curtose maiores que 10, são indicativos de problemas. No entanto, ressaltamos que outros metodólogos fazem recomendações ligeiramente distintas.

Desse modo, se considerarmos as recomendações de Kline, há desvios importantes de assimetria (*S* = 4,22) e de curtose (*K* = 29,97) na distribuição de qui-quadrado. Contudo, tomemos como exemplo a curtose da distribuição uniforme (*K* = –1,26). Um valor menor que 10 **não indica** normalidade, mas sim que a forma da distribuição **não se desvia substancialmente** de uma distribuição normal (na distribuição normal, *S* = *K* = 0).

Outra possibilidade de análise é realizar teste de hipóteses. Em outras palavras, podemos dividir a estatística (de assimetria ou de curtose) pelo seu respectivo erro-padrão, o que produz os valores indicados pelas células coloridas da Figura 7. Tais valores podem ser interpretados como [escores *z*](/como-calcular-o-escore-z-no-spss). A um nível de significância de 0,05, *z* > |±1,96| indicam valores significativos e, portanto, indicativos de violações de normalidade.

Nesse caso, mais uma vez, temos evidências de desvios importantes de assimetria e de curtose para a distribuição qui-quadrado. Contudo, até mesmo os dados gerados a partir de uma distribuição normal tiveram desvios de curtose (*K* = 2,13). Por esse motivo, Field (2017) argumenta contra o uso desses índices, pois, em amostras maiores, mesmo desvios sutis (e sem maior importância) da normalidade podem atingir significância estatística.

**Saiba mais:** [**Assimetria e curtose: um guia completo**](/assimetria-e-curtose-um-guia-completo)

### Testes de normalidade

A Figura 8 apresenta os resultados dos testes de normalidade gerados pelo SPSS.

![testes de normalidade dos dados no SPSS.](/uploads/2021-07_testes-de-normalidade-spss-resultado.jpg)

*Figura 8. Resultado dos testes de Kolmogorov-Smirnov e de Shapiro-Wilk.*

Tradicionalmente, o SPSS se refere à estatística dos testes simplesmente como **Estatística**. Referimo-nos às estatísticas dos testes de Kolmogorov-Smirnov e de Shapiro-Wilk pelas letras *D* e *W*, respectivamente. O [valor de *p*](/o-que-e-valor-de-p) é expresso no SPSS como **Sig**. Por fim, o termo **df** é a abreviação de ***degrees of freedom*** ([**graus de liberdade**](/o-que-sao-graus-de-liberdade), em português).

Em seguida, interpretaremos os resultados dos testes da Figura 8 para as três distribuições:

-   **Distribuição normal (painel esquerdo da Figura 3):** os testes de Kolmogorov-Smirnov, *D*(300) = 0,03, *p* = 0,20, e de Shapiro-Wilk, *W*(300) = 0,99, *p* = 0,31, indicaram que os dados não diferem de uma distribuição normal;  
    **Distribuição qui-quadrado (painel central da Figura 3):** os testes de Kolmogorov-Smirnov, *D*(300) = 0,27, *p* < 0,001, e de Shapiro-Wilk, *W*(300) = 0,60, *p* < 0,001, atingiram significância estatística, indicando, portanto, que os dados se afastam de uma distribuição normal;  
    **Distribuição uniforme (painel direito da Figura 3):** os testes de Kolmogorov-Smirnov, *D*(300) = 0,08, *p* < 0,001, e de Shapiro-Wilk, *W*(300) = 0,94, *p* < 0,001, produziram resultados significativos. Em outras palavras, eles indicaram que o pressuposto de normalidade não foi acatado nesses dados.
    

Em síntese, os dois testes indicaram que o pressuposto de normalidade foi violado nas distribuições qui-quadrado e uniforme, mas não na distribuição normal.

Os testes citados neste tutorial, assim como os testes de hipótese de assimetria e de curtose da seção anterior, têm um problema em comum. Se a amostra for muito grande, eles tendem a rejeitar a hipótese nula, mesmo quando há apenas pequenos (e inconsequentes) desvios dos dados à distribuição normal. Portanto, para amostras grandes, devemos usar outros métodos além destes para avaliar a distribuição, como a análise de gráficos *Q-Q*.

## Referências

Field, A. (2017). *Discovering statistics using IBM SPSS Statistics* (5th ed.). Sage.

Kline, R. B. (2016). Data preparation and psychometrics review. In R. B. Kline, *Principles and practice of structural equation modeling* (4th ed., pp. 64–96). The Guilford Press.

## Como citar este post

> **Como citar este artigo:** Lima, M. (2024, 3 de dezembro). Como avaliar a normalidade dos dados no spss? *Blog Psicometria Online*. https://www.blog.psicometriaonline.com.br/avaliando-a-normalidade-dos-dados-no-spss