t-test在显著性检验中应用很广。但它应用的前提有两个:
1. 数据服从正态分布
2. 不同组间方差齐性
看了一些网站找了几个全面又好理解的资料。
都有现成的了看就完了~
01
R中检验正态分布的方法:
Kolmogorov–Smirnov test:
ks.test(x,y,…)函数
Anderson–Darling test :
ad.test(x)函数
Shapiro-Wilk test:
shapiro.test(x) 函数。适用于小样本(3≤n≤50)
Lilliefor test:
lillie.test(x)函数
参考:
https://www.cnblogs.com/REAY/p/6709177.html
shapiro.test(x)
只能检验单变量正态性,mshapiro.test(x) 可检验多变量的正态性。该函数封装在mvnormtest包中。这个包也只有这一个函数。
参考:
https://bbs.pinggu.org/thread-417275-1-1.html
02
除了以上的方法,还有图形化的比较方法:
QQ-plot 分位数图;
与正态密度函数直接比较;
使用经验分布函数,直接比较数据的经验分布函数和正态分布的分布函数对比。
参考:
www.omicshare.com/forum/forum.php?mod=viewthread&tid=790&highlight=%E6%AD%A3%E6%80%81%E6%80%A7
03
R中检验方差齐性的方法:
Bartlett test:
数据符合正态分布,适用此方法。Bartlett.test(x)函数
Levene test:
leveneTest(x)函数
Fligner-Killeen test:
非参检验方法,不依赖于任何分布。Fligner.test(x)函数
参考:
https://bbs.pinggu.org/thread-4900404-1-1.html