楼主，进行正态检验这两种方法都可以，但注意 应用 条件：

1、当样本数 n>2000时，用Kolmogorov-Smirnov 方法；

2、当样本数n<=2000时，用Shapiro-Wilk 方法。

你给出的样本数 n=415<2000,所以应当采用 Shapiro-Wilk 。

楼主如果还有其他疑问，不妨再查阅一下有关资料。

哦，谢谢！！！！！太感谢你了。。。。

我是初学者，像你说的那一点，我在资料上好像还没有明确的看到啊。。。

好像好多资料上都直接拿过来用，但是他们举例子的样本量一般都很难超过50，所以。。。。

你这么一说，我就明白了。

对于正态性检验，尤其是 小样本情况下，有时只能得出近似的结论，完全理论上绝对的正态是不存在的，现举例如下：

（ststa 程序，仅作参考：

. input x

             x
  1. 1
  2. 2
  3. 3
  4. 4
  5. 5
  6. 6
  7. 7
  8. 8
  9. 9
 10. end

(上以变量是1 2 3...9等共 9个数字，前面的数这系统自动加上的记录号，直观感觉，这9个数字不可能是正态分布的。）

请看程序正态检验的结果——两种方法都是正态，并切检验的P－值均远大于0.05!

. swilk x （笔者注：此即 Shapiro-Wilk 正态检验命令。）

                   Shapiro-Wilk W test for normal data
    Variable |    Obs        W          V          z     Prob>z
-------------+-------------------------------------------------
           x |      9    0.97229      0.407     -1.363  0.91356

. sktest x （笔者注：此即 Skewness/Kurtosis 正态检验命令。）

                   Skewness/Kurtosis tests for Normality
                                                 ------- joint ------
    Variable |  Pr(Skewness)   Pr(Kurtosis)  adj chi2(2)    Prob>chi2
-------------+-------------------------------------------------------
           x |      1.000         0.364            0.89       0.6394

所以，当样本n很大时（经验上取n>30)，可不必太介意正态性问题。也就是说，总体是否严格服从正态分布，并不影响结论的正确性。

哦，看样我是钻到牛角尖去了。。。谢谢你的耐心指导！！！