测试正态性答案

【问题标题】：Testing Normality测试正态性
【发布时间】：2016-07-11 15:43:57
【问题描述】：

我对统计数据很陌生，但我有大约 78 个数据点正在测试其正态性以确定我是否可以对其使用 ANOVA。我做了一个qqnorm和qqline plot，但我不确定与qqline的偏差是否足以表明我不能使用ANOVA。我的点可以偏离线多远，什么时候我的数据偏斜到无法使用方差分析？

这是我的Q-Q Plot

【问题讨论】：

这是一个统计问题，最好在CrossValidated 上提问。很可能已经在那里提出了几乎相同的问题。
stats.stackexchange.com/questions/111010/… ;但是（1）另见stats.stackexchange.com/questions/2492/… ...正态性是方差分析有效性的最不重要的假设，即方差分析对非正态性相当稳健； (2) 您应该查看适合您数据的线性模型的残差，而不是原始数据本身。您可以发布您的数据吗？
嗨，Ben，感谢您的帮助和您提供的链接。我提供的图是线性拟合的残差图，我忘了在我原来的帖子中提到这一点。我没有做超级复杂的分析，所以如果 ANOVA 对非正态性相当稳健，那么这对我的目的来说应该足够好，因为 shapiro 测试显示我一直在 qqplot 绘制的数据非常接近我当时的显着性水平使用！

标签： r anova

【解决方案1】：

Shapiro-Wilks 正态性检验就足够了：

data = rnorm(1000,0,1)
shapiro.test(data)

#Output
Shapiro-Wilk normality test

data:  data
W = 0.99886, p-value = 0.7952

注意：零假设是数据呈正态分布。因此上面的例子，因为数据确实是正态分布的。

【讨论】：