企业官网建设流程全解析

刚上研究生的时候，导师问我：「你的数据不符合正态分布，你打算怎么处理？」

我当时整个人都愣住了——什么？不符合正态分布？我数据都收完了才发现这个问题，怎么办？当场改数据？还是换方法？还是……

导师看出了我的慌张，说：「回去查清楚，下次组会给我讲。」

我回去折腾了整整一周，终于把这个东西彻底搞明白了。今天我用一篇文章把正态分布检验和3种补救方案全部讲清楚，你以后遇到这个问题，直接照着做就行，不用再像我一样折腾一周。

PART01

先搞清楚：什么是正态分布，为什么它这么重要？

正态分布简单说就是一种数据的「标准形态」——大部分数据集中在中间，少部分往两边散开，像一个钟形曲线。

统计学里几乎所有的参数检验（t检验、方差分析、回归）都要求数据近似正态分布。为什么？因为这些检验的原理就是假设数据服从正态分布，然后基于这个假设来算概率。

如果数据严重偏态，你还用普通t检验或者方差分析，结果就会不准确。

PART02

第一步：怎么检验正态分布？

做分析之前，先检验你的数据正不正。常用方法：

方法1： Shapiro-Wilk检验（最常用）

# 检验单变量 shapiro.test(data$variable) # 如果 p > 0.05，说明数据近似正态分布 # 如果 p < 0.05，说明数据显著偏离正态分布