正态性检验失败各位，
我试图对一系列类似于附图所示的数据集进行正态性检验，然后使用方差分析对它们进行比较。 然而，当我进行正态性测试时，我不断得到我认为的“假阴性”。从日志的屏幕截图中可以看出，数据集作为一个整体类似于正态分布，尽管只填充了大约 7-8 个 bin。 我的最佳猜测是，由于填充的数据块之间存在“如此多”的空数据块，因此 JMP 将数据集解释为多模式。 我希望它对整个集合执行拟合/测试，如图所示。
然而，JMP 在解释数据的分布时，也会影响方差分析得出的结论。 如果有人能够提供有关如何对这些数据进行统计分析的一些见解（即测试每个数据集的正态性，然后使用方差分析进行比较），我将非常感激。
谢谢，
回复：正态性测试失败使用@garibay90的数据，我使用 Fit Y by X 而不是 Graph Builder，因为该平台提供了更多用于着色和更改轮廓线的选项。还发现了这个“网格图”选项，它看起来像双变量直方图。
回复：正态性测试失败我明白。 谢谢你！
回复：正态性测试失败我可能不会认可、验证或验证其他人使用的方法。
我认为您通常会在这里收到有用的建议，但您必须决定这些建议是否适合您的情况。
回复：正态性检验失败@马克贝利@克里斯_基希伯格你们能否验证上面列出的方法是否有意义并且符合标准统计实践？ 谢谢你！ 聚苯乙烯 我指的是我在帕特里克上面的帖子。
回复：正态性测试失败@帕特里克朱利亚诺非常感谢您花时间详细查看我的数据。 我检查过，不幸的是我没有可用的 SHASH 配合 - 我正在使用 JMP 10。 然而，我确实同意，在这一点上，用于均值比较的非参数方法可能是我最好的选择。
”例如，如果我正在运行 Wilcoxon 检验来查看组之间的得分差异，我是否可以确信得分均值差异的置信区间确实代表总体均值差异？如果我选择比较中位数的检验，我是否有理由认为“Y”中样本的中位数估计值以及估计值周围的相应置信区间代表了总体中的真实估计值？ ” 好问题，我是非参数测试的新手，所以我对此不太确定，但据我了解，重要的是排名相对于彼此的顺序，而不是实际的数值。 如果有人能澄清这一点那就太棒了。
这两列的行为不同，因为原始数据是直方图，其中 X（第 1 列）是 bin，Y（第 2 列）是每个 bin 中的计数。 因此数据集中的“0.0000”值的数量。
非常感谢您的所有投入！
回复：正态性检验失败@garibay90 ，不确定您正在运行的测试，我没有读过太多有关它们的内容。
我尝试使用寿命分布平台拟合您的“X”和“Y”列数据，最好的 JMP 可以严格基于似然性、AICc 和 BIC 分别是对数正态和零膨胀威布尔来得出。在我看来，Nether 拟合很好：用眼睛观察点遵循的程度以及转换后的 NQ 图上的非线性连贯路径。如果这些点不是非常接近直线和/或表现出曲率，则变换不是很好的拟合。
根据我的理解，如果您想使用标准正态参数统计假设检验（例如 2 个样本案例的 ANOVA = t 检验）进行 2 组比较，那么您需要对正态性应用相同的转换两组。 在对两者应用该转换后，数据必须相当正常。
JMP 的 SHASH 分布可能非常适合您的“X”列，实际上是我能找到的最好的分布（您可以使用“分析分布”>“拟合全部”，JMP 将为您生成适合此分布的分布）。但它不会给你一个很好的适合你的“Y”栏。事实上，根据我的经验，你会很难找到任何转变这将有效地拟合该数据。数据集中有太多“0.0000”值。我之前处理过这个问题，最后你别无选择，只能进行非参数分析。对于像“Y”这样的数据，我不会相信我从非参数检验中做出的推论，除非我有相当的信心我试图推断的估计能够合理地代表样本所来自的总体。例如，如果我正在运行 Wilcoxon 检验来查看组之间的得分差异，我是否可以确信得分均值差异的置信区间确实代表总体均值差异？如果我选择比较中位数的检验，我是否有理由认为“Y”中样本的中位数估计值以及估计值周围的相应置信区间代表了总体中的真实估计值？
我不知道对极其不平等的方差进行非参数检验校正。但我可能是错的。对于正态参数检验，存在对不等方差的标准校正，但校正基于估计，而不是精确解。 在谷歌上查找“贝伦斯·费舍尔问题”。
如果您使用 SHASH 分布来转换数据（我认为它对于“Y”数据来说效果不是特别好），那么您会得到组之间方差相等的证据。您得到的证据表明，组间平均值之间存在统计显着性差异，其中“Y”列平均值比“X”列平均值低 0.62 个单位。
退一步看看这些群体，尽管事实上你有“不守规矩”的数据，但对我来说很清楚这些群体在数字上的表现不同。 您会得到一堆“Y”值，但“X”组却没有。
回复：正态性测试失败大家好，
在对该主题进行了一些研究后，我决定计算每个数据集的排名，并使用排名（连续）作为 Y 值和每个数据集的标签（标称）作为 X 来执行 Y by X 拟合。 然后我继续进行等方差检验——因为所有非参数检验都需要等方差。 在确定方差相等后（原始数据不仅不正常，而且未通过等方差检验），我执行了 Kruskal-Wallis 检验，并完成了 Steel 和 Dunn 事后检验。 在这一点上，我认为统计方法是有意义的，测试的结论与现实生活中的观察结果相符。
任何人都可以建议从统计的角度来看上述方法是否是正确的方法？ 最后一个问题是，就事后检验而言，统计学家认为什么是标准做法：Steel 还是 Dunn？ 两者产生相同的排名并得出相同的结论。 我相信在比较配对时，两者都正确地纠正了夸大的 I 类错误。
非常感谢您的所有投入！
回复：正态性测试失败谢谢！
对于方差分析部分，我堆叠了数据，并使用每个数据集的标签作为 X，Y 是每个数字集合，如我上面附加的数字。 我对数据进行了更多研究，邓尼特方法看起来很有前途，因为差异矩阵可以告诉我数据集有多么不同。 然而，“拟合摘要”下列出的 R 平方仍然很低 (0.002)。
我还尝试使用具有广义线性模型特性、泊松分布和对数链接函数的拟合模型，但 Prob>ChiSq 仍然小于 0.05。 如果我使用正态分布，效果是一样的。
回复：正态性测试失败我也会尝试绘制数据图表。 将分布中显示的列放在 Y 上，以及您在图形生成器中的 X 上的方差分析中为 X 计划的内容。 如果您注意到两个维度上的数据聚类，那么您没有连续的数据，并且正态性测试没有意义，在拟合模型中使用方差分析也没有意义。 您更有可能使用具有不同分布的拟合模型（使用广义线性模型）来执行方差分析。
老实说，看起来数据是分类的而不是连续的。 有点像评级响应。
回复：正态性测试失败谢谢。 以下是示例原始数据和使用脚本生成的数据。
回复：正态性测试失败在不查看您的数据的情况下，我建议您对原始数据进行分析
数据第一。 你的样本量变大并不能帮助你
正态性检验。 除非你的样本量非常小，但也不是太小
小，你的丝袜大约在你刺激的日期有效
您的实验，尝试模拟值不会帮助您绘制有效的
从你的假设检验中得出的推论。
我很乐意查看您的数据！ 只要确保删除任何内容
可能被认为是专有的。 
回复：正态性检验失败@帕特里克朱利亚诺谢谢！ 现在我明白你们的意思了。 在这种情况下，生成的原始数据会被分箱。 基本上，我的输出是两列：垃圾箱和计数。 不确定是否有办法解决这个问题。 不过，我继续编写了一个脚本来生成每个 bin 的值，数量与计数列中列出的值一样多。 这是我稍后将输入到 JMP 中以执行正态性检验的一组数字。 我希望 JMP 能够生成一组不同的数据箱，这样我的分布就会显得/被解释为更加连续。 如果需要，我可以附上示例数据集。 感谢所有的投入！
回复：正态性测试失败@garibay90我同意@P_巴特尔，但是当你说“它实际上是一个数字集合，JMP 正在进行分箱”，你是对的，但同时也不完全正确。是的，直方图会为您自动进行分箱，您可以使用“抓取器”工具动态调整该分箱。但数据就是数据，数据显示，在一些“合理”的 bin 大小 - 并且由 NQ 图强烈证实 - 数据被分箱，也就是说，用我的话说，被“分区”成单独的“组” ”。我的用词可能不是正确的统计语言，但希望我们意见一致。我相信什么@P_巴特尔意思是：您需要解决“为什么您的数据结构如此？”的问题。回答这个问题对于运行方差分析可能非常重要。首先需要了解数据的性质和背景，然后您可以应用各种推论统计技术来测试各种假设（例如平均值、方差等）。
回复：正态性检验失败数据未装箱。 它实际上是数字的集合，JMP 正在执行分箱操作。 附件是该杂志的另一张图，清楚地显示了已填充垃圾箱的分布情况。
回复：正态性测试失败谢谢你！ 是的，我同意你的说法。 这只是一个数据集。 我有多个如图所示的。
回复：正态性测试失败您的数据被划分为多个箱，如正态概率图所示。 您是否创建了这种分箱安排，或者数据是否以这种分箱方式提供给您？ 如果您创建了分箱，您在分箱之前是否尝试过使用原始数据？
回复：正态性测试失败@garibay90您的数据也可能受到分辨率限制，正如条形图中条形之间明显的“间隙”所证明的那样，但在正态概率图中点的“颤动”模式中更加明显。该数据对于方差分析看起来表现不是特别好，除非该数据集由多个组（样本）组成！在这种情况下，您需要首先对每组单独运行正态性评估。和然后您可以运行方差分析。但即使您运行方差分析，如前所述，您的分析也会因样本量过大而出现“统计偏差”。随着样本量的增加，假设检验（包括方差分析）一般具有更高的能力来拒绝原假设。对于方差分析，您正在测试原假设，即每个组均值（总均值）的治疗偏移对于所有治疗组都是相同的。如果你拒绝 null，那么你只能断言至少有一个区别观察到组间治疗的偏移。注意：这里的另一个中心假设是组之间的方差是相同的。您可以通过使用“通过 X 拟合 Y”> 不等方差来验证此假设，并查看与 JMP 自动生成的假设检验相关的 p 值。
不过，方差分析主要是比较组间均值的检验（考虑组间的总体方差，假设组与组之间的方差相等）。
回复：正态性测试失败谢谢你的快速反应。 虽然我同意分布是倾斜的，但考虑到该集合看起来有些正态分布，我并不认为它会完全通过正态性测试——但是，是的，我目前没有定量的方法来证明它的合理性。 我记得，我还在每个箱中尝试了更少的点，但正态性检验仍然失败。 其他数据集看起来也一样。
基本上，我试图比较这些集合并确定哪些集合与理想情况相比有所不同。 我对其他选择持开放态度。 方差分析是我熟悉的方法。
回复：正态性测试失败您拥有大量样本，因此这些测试对于偏离（完美）正态性极其敏感。然而，两端的观察结果偏离正态分位数图中的线性，表明分布是右偏的。 为什么你认为没有出发？
该示例是方差分析中要分析的样本之一吗？ 其他样品看起来怎么样？
