R中多个变量的Shapiro-Wilk正态性检验答案

【问题标题】：Shapiro-Wilk normality test for multiple variables in RR中多个变量的Shapiro-Wilk正态性检验
【发布时间】：2017-03-18 03:25:34
【问题描述】：

R 中多个变量的 Shapiro-Wilk 正态性检验：我有一个名为 data 的数据集，以及三个名为 a、b、c 的连续变量。如何编写一个 for 循环分别为变量执行 shapiro.test()？

【问题讨论】：

见apply in base R 例如。
谢谢。我终于成功了。变量 [,c("statistic", "p.value")); lshaps;

标签： r variables

【解决方案1】：

由朋友提供。

for (i in 1:3){print(shapiro.test(data[,i]))}

【讨论】：

【解决方案2】：

如果你有 3 个向量 a、b、c：

    vars <- list(a, b, c)
    result <- list()
    for(i in seq(length(vars))) {
        result <- append(result, shapiro.test(vars[[i]]))
    }

如果你有一个数据框：

    result <- list()
    for(i in seq(dim(data)[2])) {
        result <- append(result, shapiro.test(data[[i]]))
    }

【讨论】：

但是如何指定数据集呢？
你的数据集的类别是什么？
类是数据框

【解决方案3】：

请注意，以这种方式循环独立假设检验通常是一种不好的做法。每次这样做时，您都会承担少量风险（通常为 5%，如果 alpha 为 0.05），那么如果您有 100 个变量，您实际上将接受0.05+0.05+0.05+...+0.05 = 0.05*100 的总风险。这是不合理的。即使它们都通过了正常性的检验，您现在可以肯定（概率同盟）在一起，它们都成立是没有信心的。如上所述，它不是严格的加法，但很接近。你对你的结论有信心的每个变量0.95，然后第二次变成0.95^2，这样继续下去。这最终会让您（通常）对他们的总体正常性有一点信心。尽管统计学家过去曾这样做过。不鼓励。

【讨论】：

感谢您的警告。这也应该是多重测试问题的一个案例。