前提:正态性假设检验
1.画QQplot
library(car)
#QQ-plot
qqPlot(lm(value~group, data = richness_12), simulate = TRUE, main = 'QQ Plot', labels = FALSE)
2.Shapiro-Wilk检验
我们还可使用Shapiro-Wilk检验验证数据分布的正态性,它类似于线性回归的方法,是检验其于回归曲线的残差。R中提供了可用于执行Shapiro-Wilk检验的函数shapiro.test(),通过所得p值即可轻松地判断数据分布的正态性。该检验原假设(或称零假设)为数据集符合正态分布,通常情况下若通过Shapiro-Wilk检验得到p值小于0.05,则拒绝原假设,数据分布不符合正态性;反之接受原假设。要两组都要大于0.05,才拒绝原假设,符合正态性。
> shapiro <- tapply(f$年龄, f$label, shapiro.test)
> shapiro
$NS
Shapiro-Wilk normality test
data: X[[i]]
W = 0.93488, p-value = 0.0003652
$OR
Shapiro-Wilk normality test
data: X[[i]]
W = 0.96174, p-value = 0.03321
> shapiro$NS$p.value
[1] 0.0003652331
> shapiro$OR$p.value
[1] 0.03321113