shapiro-wilk正态检验p小于0.05的话如果对准确率要求高的话，可以试其他方案，如spss中的其他分类模型，决策树等。
正态性检验是统计分析中必要的内容，常见的正态性检验方法有Kolmogorov-Smirnov检验（KS检验）和Shapiro-Wilk检验（SW检验）；两种方法结果相似。
由于两种方法假设检验H0为“该数据来源于正态分布的总体”，所以当检验结果的P值小于0.05时，可认为数据不满足正态性；反之，则还不能认为该数据不满足正态性。
现在很多分析人员就以该P值作为衡量正态性的标准，以该P值来判定是否采用参数检验的方法（包括t检验和F检验）。这是一种有些武断的方法。
t检验和F检验
实际上很多情况下数据虽然不是正态分布，但是也不是偏态分布，可能是其它的分布（譬如对称分布。所以当P值小于0.05，不一定是偏态分布，也许是对称分布。对称分布是可以采用均数描述，在一些场合下，可采用t检验和F检验。
正态性检验受到样本量影响较大。当样本量越大，P值越小，所以在较大样本量时候（比如大于100例以上），P值小于0.05，并不能意味着就是偏态分布。
比如下方这幅直方图，数据正态性看起来符合，但是由于样本量较大，其P值小于0.05。对于此类数据，完全可以采用t检验和F检验进行分析。
正态性检验
生成正态概率图并进行假设检验，以检查观测值是否服从正态分布。对于正态性检验，假设为H0：数据服从正态分布与H1：数据不服从正态分布
图形中的垂直尺度类似于正态概率图中的垂直尺度。水平轴为线性尺度。此线形成数据所来自总体的累积分布函数的估计值。会显示总体参数的数字估计（m和s）、正态性检验值以及关联的p值。
温馨提示：答案为网友推荐，仅供参考