PAST:最简便易用的统计学分析软件教程(十二)----正态分布性检验
本系列教程基于windows版本的PAST 3.0软件进行。
软件下载地址:扫描下方二维码,提取码:i274。
下载后的软件无需安装,双击“Past3.exe”即可打开软件进行使用。
正态分布
在对数据进行统计学分析前,通常第一步要检验数据是否符合正态分布,该步骤决定着后续的统计学分析方法的选择。
如数据符合正态分布,后续的统计学分析应使用参数性检验,如t-test。
而数据不符合正太分布时,则应使用非参数性检验,例如秩和检验。
检验方法
选定待分析数据后,点击Univariate按钮下的Normality tests标签进行正态分布性检验。
可以为一个或多个单变量样品进行正态分布性检验。
进行该项分析是,每一列数据代表一组样本,每组样本中至少要有3个数值才能进行分析。
PAST共提供三种不同的检测方式,通常以Shapiro-Wilk和Anderson-Darling test为准,Jarque-Bera的结果一般作为参考。
如果p值小于0.05,则表示样本不符合正太分布。
QQ图绘制
通常可以通过QQ图的方式展示一列样本数据符合正态分布的可能性,选定待分析数据后,点击Plot按钮下的Normal probability plot标签,即可绘制QQ图。
图中直线为正态分布的图形,通过RMA回归分析,可以得到样本分布与正太分布的相关性,Correlation coefficient表示相关系数。
多变量数据的正态分布检验
有时我们需要分析的数据不是单变量的数据,而是多变量的数据类型,例如不同样本的群落组成结构,或者一系列样本的多个不同参数指标。
在Multivariate按钮下Test标签中的Multivariate normality选项用于评估多变量数据是否符合正态分布。
PAST提供3种检验方法,分别为Mardia’s multivariate Skewness test、Kurtosis tests和Doornik & Hansen omnibus test。
如果三个测试方法中至少有一个的p值小于0.05,则数据为非正态分布。
进行此分析的样品个数最好大于50个,如果样品个数较少,则以Skewness test种的sample corrected值为准。