这么简单的问题都没有搞懂，是因为你没搞清楚原假设是什么
ks检验一般返回两个值：D和p值
其中D表示两个分布之间的最大距离，所以D越小，因为这两个分布的差距越小，分布也就越一致
p值，也就是假设检验里面的p值，那么原假设是什么呢，原假设是“待检验的两个分布式同分布”，如果p值大于0.05（当然，你也可以选择0.01或者0.10，这都取决于你的要求），那么就不能拒绝原假设。所以p越大，越不能拒绝原假设，两个分布越是同分布
从以上可以看出，D值小和p值大，并不矛盾。

请问一下有人知道stata ks检验的命令吗？

ksmirnov，可以用help先看看

python里面的话ks检验可以用stats.kstest来检验样本是否满足特定分布；
可以用stats.ks_2samp来检验两个分布是否同分布；
两个函数的结果都是返回值是D和p，D越小p基本上会越大；
首先要搞明白ks检验函数设定的时候的原假设是样本与特定分布或样本与样本的分布一致，当p值小于设定的置信度0.05时，原假设不成立，证明分布不一致，当p值大于0.05，就证明不能拒绝原假设，可以认为分布一致，而且p值越大分布一致性越高。
举个相反的例子：
python中的stats.kendalltau函数是计算两样本间的等级相关性，返回值是tau值和p值，其原假设是两个样本之间存在相关性，这时如果p值小于0.05，则证明接受原假设，两样本间的相关性可认为具有显著性，且tau值越大，p值通常越小。当p值大于0.05时，则证明拒绝原假设，两个样本的相关性不显著，p值越大则越不显著。
所以主要要搞清楚原假设是怎么设定，然后再结合假设检验的知识来判断。
实在不行，自己生成一个等分布或相关性高的数据测试一下。