数据不服从正态分布-怎么进行方差分析

方差分析基于三个基本假设，只有符合以下三个假设条件才能进行方差分析

（1）效应的可加性

（2）方差是齐性的

（3）分布的正态性

是否服从正态分布可通过SPSS进行正态性检验，以A、B、C三个自交系发芽实验为例。

如果样本量较小（<50），并且对正态Q-Q图或其它图形方法的结果诠释不够有把握，推荐采用Shapiro-Wilk检验如上图所示。每组自变量都会有一个Shapiro-Wilk正态性检验结果。如果数据符合正态分布，显著性水平应该大于。Shapiro-Wilk检验的无效假设是数据服从正态分布，备择假设是数据不服从正态分布。因此，如果拒绝无效假设（p<），表示数据不服从正态分布。本例中每组正态性检验P值均大于。如果样本量大于50，推荐使用正态Q-Q图等图形方法进行正态判断，因为当样本量较大时，Shapiro-Wilk检验会把稍稍偏离正态分布的数据也标记为有统计学差异，即数据不服从正态分布。Q-Q图中点离线越近，数据越服从正态分布。

[

若不服从正态分布可进行数据转换，对转换后呈正态分布的数据进行单因素方差分析。当各组因变量的分布形状相同时，正态转换才有可能成功。数据是比例或以百分率表示的，其分布趋向于二项分布，方差分析时应作反正弦转换，用下式把它们转化成一个相应的角度：如发芽率、昆虫死亡率，发病率等。数据转化方式如下图所示：

直接进行分析：由于单因方差分析对于偏离正态分布比较稳健，尤其是在各组样本量相等或近似相等的情况下，而且非正态分布实质上并不影响犯I型错误的概率。因此可以直接进行检验，但是结果中仍需报告对正态分布的偏离。检验结果的比较：将转换后和未转换的原始数据分别进行单因素方差分析，如果二者结论相同，则再对未转换的原始数据进行分析。