sig就是传说中的
P值.SPSS的K-S检验包括正态分布、
均匀分布、泊松分布和
指数分布四项,不能直接做对数正态分布检验,只有在你的原始数据做了对数转换之后你才能使用K-S检验测试是否服从正态分布.K-S检验的原假设是数据服从指定的分布（如正态分布）,因此当sig大于0.05时就说明数据服从指定的分布（如正态分布）,sig越
大越能说明数据服从指定的分布（如正态分布）.
如果你的数据在对数分布P-P图上基本处于同一直线,那么就可以认定符合对数正态分布,这一点是没有问题的.如果你想定量地证明这一点,就像我上面说的那样,要对你的原始数据做对数转换之后使用K-S检验测试是否服从正态分布,如果服从正态分布（sig大于0.05）,就可以推断你的原始数据服从对数正态分布.
P值出现于统计学的检验假设（Hypothesis
Test）中,其意思是当原假设（Null
Hypothesis）成立的条件下,能够出现至少你的实验结果一样大或更大的统计量的概率.以你的分析为例,你的P值越大,就表明在原假设（如服从正态分布）成立的条件下,得到你这份数据结果的统计量的概率越大.一般情况下,当P值大于0.05是就可以认为原假设成立.
你在我的空间中提供的P值的文章,它们的解释是不完整的.P值的解释必须跟原假设联系在一起在有意义,否则就不能完整地理解P值的意义.比如,在两组样本的
t检验中,原假设一般是两组之间无显著差异.如果跟根据你的两组实验结果算出的t值其对应的P值大于0.05,就可以认为原假设成立,两组无显著差异；反之则说明备择假设（Alternative
Hypothesis）成立,两组有显著差异.