正态性测试我想获得发行版的夏皮罗威尔克斯检验，但我无法获得。 我尝试了有关遗留装配工的讨论中发布的方法。 那只给了我 KSL 测试。 否则，如果我不使用传统的装配工，它会给我安德森-达林测试。 我的样本量非常大，>30k，不确定这是否与此有关。 谢谢你的帮助
数据探索和可视化回复：正态性测试我们所教授的大多数统计学都是 80-100 年前开发的，当时小样本是普遍现象。 所以问题是，“我可以从小样本中令人信服地学到什么或做出什么决定？” 推理技术从那时起就开始了。 这样的情况仍然存在（例如，没有可用数据，需要实验......），但25年前出现了新的情况。 我们现在有大量的数据库可供学习。 推断是没有意义的。 一切都具有统计显着性。 也就是说，即使是最小的差异或最小的参数估计也具有统计显着性。 因此，预测建模并不试图推断重要性。 相反，重点是通过特征/模型选择来预测性能。 这是一个不同的挑战，需要不同的心态。
另外，在这种特定情况下，为什么假设服从正态分布？ 什么应该是正态分布的？ 数据？ 一个估计？ 非正态性的后果是什么？ 需要偏离正常程度多少才能影响结果或决定？ 该方法的稳健性如何？
回复：正态性测试谢谢@马克贝利对于这个评论。 对于所有统计显着性检验来说，这是非常重要的一点。不幸的是，太多人只关注 p 值，而不考虑视觉效果或系数的大小。 在某些研究领域，通过使用最小样本量来检测实际有意义的差异，可以部分避免这种情况。
然而，很难向包括审稿人和研究人员在内的一些人解释，很容易获得毫无意义的统计显着性。
回复：正态性测试您的大样本 N > 30,000 会导致检测到非正态特征（偏离理想正态 CDF），这些特征可能具有统计显着性，但实际上并不重要。
回复：正态性测试@tonya_mauldin当第一次进行更改时，很好地解释了这一点JMP 博客文章。
回复：正态性测试我对如何解释它感到困惑。 我的大约 50 个变量的所有 Anderson-Darling p 值都很显着，但其中许多变量的分布看起来很正常......
回复：正态性测试Anderson-Darling 是一种更强大的测试，也是我们建议使用的测试。
回复：正态性测试感谢您的留言。 那么，在 KSL 和 Anderson-Darling 之间，哪个测试可以很好地替代 Shapiro Wilks？
回复：正态性测试对于传统分布，当样本量小于或等于 2000 时，会报告 Shapiro-Wilk 正态性检验。 KSL 检验针对大于 2000 的样本进行计算。当样本量较大时，Shapiro-Wilk 检验的功效较大。 因此，分布与原假设之间的任何微小差异都是有意义的，并会导致拒绝原假设。
