常態性檢定失敗各位，
我試圖對一系列類似附圖所示的資料集進行常態性檢驗，然後使用變異數分析對它們進行比較。 然而，當我進行常態性測試時，我不斷得到我認為的「假陰性」。從日誌的螢幕截圖中可以看出，資料集作為一個整體類似於常態分佈，儘管只填充了大約 7-8 個 bin。 我的最佳猜測是，由於填充的資料塊之間存在「如此多」的空資料塊，因此 JMP 將資料集解釋為多模式。 我希望它對整個集合執行擬合/測試，如圖所示。
然而，JMP 在解釋資料的分佈時，也會影響變異數分析的結論。 如果有人能夠提供有關如何對這些數據進行統計分析的一些見解（即測試每個數據集的正態性，然後使用方差分析進行比較），我將非常感激。
謝謝，
回覆：常態性測試失敗使用@garibay90的數據，我使用 Fit Y by X 而不是 Graph Builder，因為平台提供了更多用於著色和更改輪廓線的選項。還發現了這個「網格圖」選項，它看起來像雙變量直方圖。
回覆：常態性檢定失敗我明白。 謝謝你！
回覆：常態性檢定失敗我可能不會認可、驗證或驗證其他人使用的方法。
我認為您通常會在這裡收到有用的建議，但您必須決定這些建議是否適合您的情況。
回覆：常態性檢定失敗@馬克貝利@克里斯_基希伯格你們能否驗證上面列出的方法是否有意義並且符合標準統計實踐？ 謝謝你！ 聚苯乙烯 我指的是我在派崔克上面的貼文。
回覆：常態性檢定失敗@派崔克朱利亞諾非常感謝您花時間詳細查看我的數據。 我檢查過，不幸的是我沒有可用的 SHASH 配合 - 我正在使用 JMP 10。 然而，我確實同意，在這一點上，用於平均值比較的非參數方法可能是我最好的選擇。
”例如，如果我正在執行 Wilcoxon 檢定來查看組別之間的得分差異，我是否可以確信得分平均值差異的置信區間確實代表總體平均值差異？如果我選擇比較中位數的檢驗，我是否有理由認為“Y”中樣本的中位數估計值以及估計值周圍的相應置信區間代表了總體中的真實估計值？ ” 好問題，我是非參數測試的新手，所以我對此不太確定，但據我了解，重要的是排名相對於彼此的順序，而不是實際的數值。 如果有人能澄清這一點那就太好了。
這兩個欄位的行為不同，因為原始資料是直方圖，其中 X（第 1 列）是 bin，Y（第 2 列）是每個 bin 中的計數。 因此資料集中的“0.0000”值的數量。
非常感謝您的所有投入！
回覆：常態性檢定失敗@garibay90 ，不確定您正在運行的測試，我沒有讀過太多有關它們的內容。
我嘗試使用壽命分佈平台擬合您的“X”和“Y”列數據，最好的 JMP 可以嚴格基於似然性、AICc 和 BIC 分別是對數正態和零膨脹威布爾來得出。在我看來，Nether 擬合很好：用眼睛觀察點遵循的程度以及轉換後的 NQ 圖上的非線性連貫路徑。如果這些點不是非常接近直線和/或表現出曲率，則變換不是很好的擬合。
根據我的理解，如果您想使用標準常態參數統計假設檢定（例如 2 個樣本案例的 ANOVA = t 檢定）進行 2 組比較，那麼您需要對正態性應用相同的轉換兩組。 在對兩者套用該轉換後，數據必須相當正常。
JMP 的SHASH 分佈可能非常適合您的“X”列，實際上是我能找到的最好的分佈（您可以使用“分析分佈”>“擬合全部”，JMP 將為您產生適合此分佈的分佈）。但它不會給你一個很好的適合你的“Y”欄。事實上，根據我的經驗，你會很難找到任何轉變這將有效地擬合該數據。資料集中有太多“0.0000”值。我之前處理過這個問題，最後你別無選擇，只能進行非參數分析。對於像「Y」這樣的數據，我不會相信我從非參數檢定中做出的推論，除非我有相當的信心我試圖推斷的估計能夠合理地代表樣本所來自的總體。例如，如果我正在執行 Wilcoxon 檢定來查看組別之間的得分差異，我是否可以確信得分平均值差異的置信區間確實代表總體平均值差異？如果我選擇比較中位數的檢驗，我是否有理由認為「Y」中樣本的中位數估計值以及估計值周圍的相應置信區間代表了總體中的真實估計值？
我不知道對極不平等的變異數進行非參數檢定校正。但我可能是錯的。對於常態參數檢驗，存在不等方差的標準校正，但校正是基於估計，而不是精確解。 在谷歌上尋找“貝倫斯·費舍爾問題”。
如果您使用 SHASH 分佈來轉換資料（我認為它對於「Y」資料來說效果不是特別好），那麼您會得到組之間變異數相等的證據。您得到的證據表明，組間平均值之間存在統計顯著性差異，其中「Y」列平均值比「X」列平均值低 0.62 個單位。
退一步看看這些群體，儘管事實上你有「不守規矩」的數據，但對我來說很清楚這些群體在數字上的表現不同。 您會得到一堆「Y」值，但「X」組卻沒有。
回覆：常態性檢定失敗大家好，
在對主題進行了一些研究後，我決定計算每個資料集的排名，並使用排名（連續）作為 Y 值和每個資料集的標籤（標稱）作為 X 來執行 Y by X 擬合。 然後我繼續進行等方差檢定——因為所有非參數檢定都需要等方差。 在確定變異數相等後（原始數據不僅不正常，而且未通過等方差檢定），我執行了 Kruskal-Wallis 檢驗，並完成了 Steel 和 Dunn 事後檢定。 在這一點上，我認為統計方法是有意義的，測試的結論與現實生活中的觀察結果相符。
任何人都可以建議從統計的角度來看上述方法是否是正確的方法？ 最後一個問題是，就事後檢定而言，統計學家認為什麼是標準做法：Steel 還是 Dunn？ 兩者產生相同的排名並得出相同的結論。 我相信在比較配對時，兩者都正確地糾正了誇大的 I 類錯誤。
非常感謝您的所有投入！
回覆：常態性檢定失敗謝謝！
對於變異數分析部分，我堆疊了數據，並使用每個數據集的標籤作為 X，Y 是每個數字集合，如我上面附加的數字。 我對數據進行了更多研究，鄧尼特方法看起來很有前途，因為差異矩陣可以告訴我數據集有多麼不同。 然而，在「擬合摘要」下列出的 R 平方仍然很低 (0.002)。
我還嘗試使用具有廣義線性模型特性、泊松分佈和對數連結函數的擬合模型，但 Prob>ChiSq 仍然小於 0.05。 如果我使用常態分佈，效果是一樣的。
回覆：常態性測試失敗我也會嘗試繪製數據圖表。 將分佈中顯示的列放在 Y 上，以及您在圖形產生器中的 X 上的變異數分析中為 X 規劃的內容。 如果您注意到兩個維度上的資料聚類，那麼您沒有連續的數據，並且常態性測試沒有意義，在擬合模型中使用變異數分析也沒有意義。 您更有可能使用具有不同分佈的擬合模型（使用廣義線性模型）來執行變異數分析。
老實說，看起來數據是分類的而不是連續的。 有點像評級響應。
回覆：常態性測試失敗謝謝。 以下是範例原始資料和使用腳本產生的資料。
回覆：常態性測試失敗在不查看您的數據的情況下，我建議您對原始數據進行分析
數據第一。 你的樣本量變大並不能幫助你
常態性檢定。 除非你的樣本量非常小，但也不會太小
小，你的絲襪大約在你刺激的日期有效
您的實驗，嘗試模擬值不會幫助您繪製有效的
從你的假設檢定中得出的推論。
我很樂意查看您的數據！ 只要確保刪除任何內容
可能被認為是專有的。 
回覆：常態性測試失敗@派崔克朱利亞諾謝謝！ 現在我明白你們的意思了。 在這種情況下，產生的原始資料會被分箱。 基本上，我的輸出是兩列：垃圾箱和計數。 不確定是否有辦法解決這個問題。 不過，我繼續編寫了一個腳本來產生每個 bin 的值，數量與計數列中列出的值一樣多。 這是我稍後將輸入到 JMP 中以執行常態性檢定的一組數字。 我希望 JMP 能夠產生一組不同的資料箱，這樣我的分佈就會顯得/被解釋為更連續。 如果需要，我可以附上範例資料集。 感謝所有的投入！
回覆：常態性測試失敗@garibay90我同意@P_巴特爾，但是當你說“它實際上是一個數字集合，JMP 正在進行分箱”，你是對的，但同時也不完全正確。是的，直方圖會為您自動進行分箱，您可以使用「抓取器」工具動態調整該分箱。但數據就是數據，數據顯示，在一些「合理」的 bin 大小 - 並且由 NQ 圖強烈證實 - 數據被分箱，也就是說，用我的話說，被「分區」成單獨的「組」 」。我的用詞可能不是正確的統計語言，但希望我們意見一致。我相信什麼@P_巴特爾意思是：您需要解決「為什麼您的資料結構如此？」的問題。回答這個問題對於執行變異數分析可能非常重要。首先需要了解資料的性質和背景，然後您可以應用各種推論統計技術來測試各種假設（例如平均值、變異數等）。
回覆：常態性測試失敗數據未裝箱。 它實際上是數字的集合，JMP 正在執行分箱操作。 附件是該雜誌的另一張圖，清楚地顯示了已填充垃圾箱的分佈。
回覆：常態性測試失敗謝謝你！ 是的，我同意你的說法。 這只是一個數據集。 我有多個如圖所示的。
回覆：常態性測試失敗您的資料被劃分為多個箱，如常態機率圖所示。 您是否建立了這種分箱安排，或者資料是否以這種分箱方式提供給您？ 如果您建立了分箱，您在分箱之前是否嘗試過使用原始資料？
回覆：常態性測試失敗@garibay90您的數據也可能受到分辨率限制，正如條形圖中條形之間明顯的“間隙”所證明的那樣，但在正態概率圖中點的“顫動”模式中更加明顯。該數據對於變異數分析看起來表現不是特別好，除非該數據集由多個組（樣本）組成！在這種情況下，您需要先對每組單獨執行常態性評估。和然後您可以執行方差分析。但即使您執行變異數分析，如前所述，您的分析也會因樣本量過大而出現「統計偏差」。隨著樣本數的增加，假設檢定（包括變異數分析）一般具有較高的能力來拒絕原假設。對於變異數分析，您正在測試原假設，即每個組別平均值（總平均值）的治療偏移量對於所有治療組都是相同的。如果你拒絕 null，那麼你只能斷言至少有一個差別觀察到組間治療的偏移。注意：這裡的另一個中心假設是組別之間的變異數是相同的。您可以透過使用「透過 X 擬合 Y」> 不等方差來驗證此假設，並查看與 JMP 自動產生的假設檢定相關的 p 值。
不過，變異數分析主要是比較組間平均數的檢定（考慮組間的總體變異數，假設組別與組別之間的變異數相等）。
回覆：常態性檢定失敗謝謝你的快速反應。 雖然我同意分佈是傾斜的，但考慮到該集合看起來有些正態分佈，我並不認為它會完全通過正態性測試——但是，是的，我目前沒有定量的方法來證明它的合理性。 我記得，我還在每個箱子中嘗試了更少的點，但常態性檢定仍然失敗。 其他數據集看起來也一樣。
基本上，我試圖比較這些集合並確定哪些集合與理想情況相比有所不同。 我對其他選擇持開放態度。 變異數分析是我熟悉的方法。
回覆：常態性檢定失敗您擁有大量樣本，因此這些測試對於偏離（完美）常態性極為敏感。然而，兩端的觀察結果偏離常態分位數圖中的線性，顯示分佈是右偏的。 為什麼你認為沒有出發？
此範例是變異數分析中要分析的樣本之一嗎？ 其他樣品看起來怎麼樣？
