QQ情节看起来正常，但Shapiro-Wilk测试却相反

在R中，我有348个度量的样本，并且想知道是否可以假定它正态分布以用于将来的测试。

本质上是在遵循另一个Stack答案之后，我正在使用以下命令查看密度图和QQ图：

plot(density(Clinical$cancer_age))

qqnorm(Clinical$cancer_age);qqline(Clinical$cancer_age, col = 2)

我没有统计方面的丰富经验，但是它们看起来像我所见过的正态分布示例。

然后，我正在运行Shapiro-Wilk测试：

shapiro.test(Clinical$cancer_age)

> Shapiro-Wilk normality test

data:  Clinical$cancer_age
W = 0.98775, p-value = 0.004952

如果我正确地解释它，它告诉我可以否定原假设，即分布是正态的。

但是，我遇到了两个Stack帖子（here和here），这些帖子严重破坏了此测试的用处。看起来如果样本很大（348是否被认为是大样本？），它将总是说分布不正常。

我应该如何解释所有这些？我应该坚持使用QQ图并假设我的分布是正常的吗？

您在这里没有问题。您的数据可能有点不正常，但足够正常，不会造成任何问题。许多研究人员在假设正常性的情况下进行统计检验，而正常数据要比您所拥有的少得多。

我会相信你的眼睛。尽管尾部略有偏斜，但密度和QQ图看起来还是合理的。我认为，您无需担心这些数据的非正常性。

您的N约为350，p值非常取决于样本大小。对于大样本，几乎任何事情都可能是重要的。这里已经讨论过了。

在这个非常受欢迎的帖子上有一些令人难以置信的答案，它们的基本结论是，对非正态性进行零假设假设显着性检验“基本上是无用的”。关于该帖子的公认答案是一个极好的证明，即使数据是从几乎高斯的过程生成的，足够高的样本量也会使非正常测试变得重要。

抱歉，我意识到我链接到您在原始问题中提到的帖子。但是，我的结论仍然成立：您的数据不是很正常，应该会带来问题。

您的分配不正常。看一下尾巴（或没有尾巴）。以下是正常QQ图的预期结果。

有关如何解释各种QQ图的信息，请参阅此帖子。

请记住，尽管从技术上讲发行版可能不正常，但它可能足以满足需要正常性的算法。