3步掌握正态性检验R语言代码

引言Introduction

正态性检验 R 语言代码 是临床统计分析里最容易被忽视、却最关键的一步。很多人拿到数据就直接做t检验或方差分析，结果因为分布假设不满足，结论可能失真。下面用3步讲清楚怎么判断数据是否近似正态，并给出可直接套用的R代码。

1. 为什么要先做正态性检验

1.1 统计方法是否能用，先看分布

在临床研究中，单样本t检验、独立样本t检验、配对样本t检验和方差分析，都要求样本数据来自或近似来自正态分布。如果跳过正态性检验，后面的P值可能没有解释基础。

正态性检验的核心，不是为了“证明数据完美正态”，而是为了判断数据是否“足够接近正态”，从而选择合适的统计方法。对于医学生、医生和科研人员来说，这一步决定了你该继续使用参数检验，还是改用非参数方法。

1.2 正态性检验分为两大类

根据常用统计课程，正态性检验通常分为两类。

• 图示法。
• 假设检验法。

图示法包括直方图、Q-Q图、P-P图和茎叶图。它们的优点是直观。假设检验法包括Shapiro-Wilk检验、Kolmogorov-Smirnov检验，以及偏度峰度相关检验。它们的优点是有明确的统计检验结果。

实际工作中，建议“图示法 + 假设检验法”结合使用。 这样既能看形态，也能看P值，判断会更稳妥。

2. 第一步：先用图示法快速判断

2.1 直方图最直观

直方图是最常用的第一步。若数据大致呈现中间高、两边低的钟形分布 ，通常可认为它近似服从正态分布。

R语言里可以直接画直方图，并叠加密度曲线，帮助你更直观看到分布形态。示例代码如下：

# x为待检验数据
hist(x, probability = TRUE, col = "lightblue", border = "white")
lines(density(x), col = "red", lwd = 2)

这段代码里，probability = TRUE用于把直方图转换为密度图，便于和曲线叠加。如果曲线大致对称，且峰值在中间，正态性通常较好。

2.2 Q-Q图和P-P图更敏感

Q-Q图和P-P图是临床统计中非常常用的图示法。它们的判断逻辑很接近。若样本点大体落在45度参考线附近，则数据可认为近似正态。

R语言中，Q-Q图常用代码如下：

qqnorm(x)
qqline(x, col = "red", lwd = 2)

如果点大多贴近参考线，说明正态性较好。若两端明显偏离，常提示尾部不符合正态。

P-P图在R里不是最常见的基础函数输出，但在SPSS等软件中很常用。对于R语言学习者，Q-Q图通常已经足够作为正态性判断的重要图示依据。

2.3 茎叶图适合小样本

当样本量较小，比如临床试验早期数据、预实验数据，茎叶图也有参考价值。它能保留原始数值信息，帮助你快速观察数据是否集中在中间区域。

不过要注意，图示法存在一定主观性。 同一张图，不同的人可能会有不同判断。因此，图示法应该作为第一步，而不是唯一依据。

3. 第二步：用Shapiro-Wilk检验给出统计判断

3.1 小样本优先看SW检验

在正态性检验中，Shapiro-Wilk检验，简称SW检验，适用于样本量较小的情况。课程中常见的实践标准是：样本量≤5000时，优先看SW检验。

R语言代码如下：

shapiro.test(x)

输出结果里最关键的是P值。通常判断规则是：

• P > 0.05，不拒绝原假设，可认为数据服从正态分布。
• P ≤ 0.05，提示数据与正态分布有显著差异。

这里的原假设是，样本来自的总体分布与正态分布没有显著差异。这个设定非常重要。P值不是“数据正态”的证明，而是“没有证据拒绝正态”的结果。

3.2 一个完整的R代码模板

下面给出一个常用的正态性检验 R 语言代码模板。你可以直接替换变量名使用。

# 查看数据结构
str(x)

# 描述统计
mean(x, na.rm = TRUE)
sd(x, na.rm = TRUE)
median(x, na.rm = TRUE)

# 图示法
hist(x, probability = TRUE, col = "lightblue", border = "white")
lines(density(x, na.rm = TRUE), col = "red", lwd = 2)
qqnorm(x)
qqline(x, col = "red", lwd = 2)

# Shapiro-Wilk正态性检验
shapiro.test(x)

先做描述统计，再看图，再看检验结果，是更符合科研规范的流程。

3.3 结果解释要结合样本量

如果你的样本量很小，SW检验的结果更值得参考。如果样本量特别大，哪怕偏离很轻微，也可能得到显著的P值。这时不要只盯着P值，还要结合图形判断。

这点在临床研究里非常常见。样本量越大，检验越敏感。当图形显示近似钟形，而P值略小于0.05时，需要结合研究目的和统计背景综合判断。

4. 第三步：根据样本量选择合适方法

4.1 大样本可补充KS检验

当样本量较大时，Kolmogorov-Smirnov检验也常被使用。课程中常见的经验标准是：样本量>5000时，可考虑KS检验。

R语言里可以写成：

ks.test(x, "pnorm", mean(x, na.rm = TRUE), sd(x, na.rm = TRUE))

需要注意，KS检验的设定和参数写法要正确，否则结果会受影响。对于初学者来说，SW检验通常更直接、更常用。

4.2 不同结果如何处理

实际分析中，你可能会遇到三种情况：

1. 图示法显示近似正态，SW检验P > 0.05。
2. 图示法显示偏离不大，但SW检验P ≤ 0.05。
3. 图示法明显偏离，且检验结果也不支持正态。

第一种情况最理想，可以直接考虑参数检验。第二种情况要结合样本量、离群值和研究设计判断。第三种情况通常建议转为非参数方法，或对变量进行转换后再评估。

临床统计不是机械套公式，而是结合数据特征做判断。

4.3 常见数据处理建议

如果数据明显偏态，可以考虑：

• 对数转换。
• 平方根转换。
• 其他适当的数据变换。
• 改用非参数检验。

但是否转换，要看变量本身的临床意义。比如某些生化指标、炎症指标本来就容易偏态分布，强行追求“正态”未必合理。科研中更重要的是，让统计方法和数据性质匹配。

5. 一个可直接套用的R分析流程

5.1 从导入到判断的标准流程

如果你想形成稳定习惯，可以按下面流程执行：

1. 导入数据。
2. 检查缺失值和异常值。
3. 画直方图和Q-Q图。
4. 做Shapiro-Wilk检验。
5. 根据样本量决定是否补充KS检验。
6. 再决定后续用参数检验还是非参数检验。

这套流程简单，但非常实用。它能显著减少统计方法选错的风险。

5.2 单变量正态性检验示例

假设你的变量名叫alp_diff，可以直接写：

hist(alp_diff, probability = TRUE, col = "skyblue", border = "white")
lines(density(alp_diff, na.rm = TRUE), col = "red", lwd = 2)

qqnorm(alp_diff)
qqline(alp_diff, col = "red", lwd = 2)

shapiro.test(alp_diff)

如果数据框名叫data，变量名叫ALP，也可以写成：

x <- data$ALP

hist(x, probability = TRUE, col = "skyblue", border = "white")
lines(density(x, na.rm = TRUE), col = "red", lwd = 2)
qqnorm(x)
qqline(x, col = "red", lwd = 2)
shapiro.test(x)

这样的写法更适合直接用于科研脚本和课程作业。

总结Conclusion

正态性检验不是形式步骤，而是统计分析的入口。对于临床和科研数据，先看图，再做检验，再决定方法 ，是最稳妥的思路。掌握本文这3步后，你基本就能独立完成常见的正态性判断。
如果你希望进一步提高科研效率，建议结合解螺旋品牌的统计学习资源，系统掌握数据分析流程、R语言实操和临床研究方法。