分析拟合优度 - Shapiro-Wilk 和 Anderson-Darling p 值你好，
我对某件事很好奇。我使用拟合正态分布 -> 拟合优度检验查看分布下的拟合优度，从我对结果解释的理解中我知道，如果 p 值很小，那么你就会拒绝原假设，并可以得出数据不服从正态分布的结论。所以我最初看这个列时很明显它不服从正态分布（这是我预料到的）。
因此我尝试使用 Johnson Normalize 进行规范化并用其重新运行，但没有成功。
于是我尝试了正态分位数法并再次运行。乍一看，我以为它有效，但后来我注意到 Shapiro-Wilk p 值 = 0.0027（这可以拒绝原假设），但 Anderson-Darling p 值 = 0.1672 则不行。
问题 1：当它们发生冲突时，你会怎么做？它们都需要提供相同的结论吗？
问题 2：尝试不同的标准化方法是否不好？如果是这样，您是否有任何建议，可以通过文档或视频来帮助选择最佳方法？
基础数据分析与建模数据探索与可视化回复：分析拟合优度 - Shapiro-Wilk 和 Anderson-Darling p 值1：它们发生冲突是因为它们使用了不同的数学方法。Anderson-Darling 对尾部偏差更敏感。从您的图片来看，它在整个正常图中看起来相当“波浪形”。因此，Shapiro-Wilk 可能会拾取尾部以外的非正常信号。
2：不好吗？我不知道。这是一种公认的策略，用于探索哪种数据转换在特定情况下效果最好。我不确定我是否会说它不好。不过，当 Box Cox 变换解决非正态性时，我确实更喜欢它。
但我认为整个设置更像是一场学术对话。即使这样，为什么正态性检验如此重要？我想说，几乎很有可能，花在这上面的任何时间都只是额外的处理，而不需要用于商业决策的背景。您的数据看起来像财务数字。而且是非常大的数字。因此，不正常并不奇怪。
更多背景信息可能会让你获得更多回复。
回复：分析拟合优度 - Shapiro-Wilk 和 Anderson-Darling p 值你好@ACraig ：关于正态分位数“变换”的说明。无论父分布是什么，根据定义，正态分位数“变换”总是会导致正态分布。它是秩的函数，而不是原始数据的函数。因此，这不是适合正态性的变换。
正如@阿韦尔什所说，背景在这里很重要；为什么要测试正态性？
回复：分析拟合优度 - Shapiro-Wilk 和 Anderson-Darling p 值您好，非常感谢您的反馈！对于您的问题，我想进行一些方差分析测试。
回复：分析拟合优度 - Shapiro-Wilk 和 Anderson-Darling p 值您是否在上述示例中合并了整个数据集？可能是子组均值之间的差异导致了合并数据集的非正态性。如果是这种情况，请单独检查未合并的子组是否符合正态性。
或者，您可以使用一些替代方案，例如 X-bar 和 R 图表。或者 Welch 的方差分析。如果这是财务数据，您可能希望使用 Mann-Whitney 而不是均值来测试中位数。
回复：分析拟合优度 - Shapiro-Wilk 和 Anderson-Darling p 值你好@ACraig ：FWIW，除了@阿韦尔什的非常好的评论之外，恒定方差（每个组的标准差都相似）比正态性更重要。
