多因素正态性检验：修订间差异

来自决策链云智库
（创建页面，内容为“{{Infobox nodebasic|nodename=多因素正态性检验|nodeimage=Normality Test_Multivariate.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Normality Test_Multivariate|abbreviation=NM_Test|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::正态性检验|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>多因素正态性检验用于…”）
 
无编辑摘要
 
（未显示1个用户的7个中间版本）
第1行： 第1行：
{{Infobox nodebasic|nodename=多因素正态性检验|nodeimage=Normality Test_Multivariate.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在[[DecisionTree | V1.0]]部署|nodeenglishname=[[Has english name::Normality Test_Multivariate]]|abbreviation=NM_Test|funcmaincategory=数据分析|funcsubcategory=[[DataAGM Lv1 Cat::正态性检验]]|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>多因素正态性检验用于检查多个观测值是否符合正态分布。此检验使用的方法有:Mardia检验,Henze-Zirkler检验, 和Royston检验。\n用途：用于检验多个变量是否服从多元正态分布。\n参数：选择多个连续型数值变量</p>|nodeinputnumber=3|nodeoutputnumber=3|nodeloopsupport=是|nodeifswitchsupport=否|nodeavailableplotlist=HistogramDensityPlot;QQPointLinePlot|nodeavailabletablelist=Table_For_Downstream|nodeconfiguration=VariableList;DropManu|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■|statsapewikiurl=https://wiki.statsape.com/多因素正态性检验_Plus|previousnode=[[单因素正态性检验]]|nextnode=[[秩和检验]]}}{{Navplate AlgorithmNodeList}}[[Category:正态性检验]]
{{Infobox nodebasic  
|nodename=多因素正态性检验
|nodeimage=Normality Test_Multivariate.png
|icon=Normality Test_Multivariate.svg
|simpleicon=Normality Test_Multivariate_Pure.svg
|developer=Dev.Team-DPS
|productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用
|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8|V1.0]]部署
|nodeenglishname=Normality Test_Multivariate
|abbreviation=NomTM
|funcmaincategory=数据分析
|funcsubcategory=[[DataAGM Lv1 Cat::正态性检验]]
|nodecategory=数据挖掘
|nodeinterpretor=R
|nodeshortdescription=<p>多因素正态性检验用于检查多个观测值是否符合正态分布。此检验使用的方法有:Mardia检验,Henze-Zirkler检验, 和Royston检验。</p><p>用途：用于检验多个变量是否服从多元正态分布。</p><p>参数：选择多个连续型数值变量</p>
|nodeinputnumber=3
|nodeoutputnumber=3
|nodeloopsupport=是
|nodeifswitchsupport=否
|nodeavailableplotlist=HistogramDensityPlot;QQPointLinePlot;SpittingPointLinePlot
|nodeavailabletablelist=Stats-Value;P-Value;N-Size;Mean;SD;Median;Min;Max;CI;Skew;Kurtosis
|nodeconfiguration=VariableList;DropMenu
|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
|statsapewikiurl=https://wiki.statsape.com/多因素正态性检验
|previousnode=[[单因素正态性检验]]
|nextnode=[[单样本T检验]]
}}
 
 
 
 
== '''节点使用的R语言示例代码''' ==
=== 多因素正态性检验 ===
<syntaxhighlight lang="R">
mvn(
  data,
  subset = NULL,
  mvnTest = "hz",
  covariance = TRUE,
  tol = 1e-25,
  alpha = 0.5,
  scale = FALSE,
  desc = TRUE,
  transform = "none",
  R = 1000,
  univariateTest = "AD",
  univariatePlot = "none",
  multivariatePlot = "none",
  multivariateOutlierMethod = "none",
  bc = FALSE,
  bcType = "rounded",
  showOutliers = FALSE,
  showNewData = FALSE
)
</syntaxhighlight>
方法参见'''R package: MVN'''的官方文档
 
 
== '''节点使用指南''' ==
* 检验数据是否服从多变量正态分布
 
=== 方法选择 ===
* Mardia：侧重于评估多元数据的偏度和峰度，对大样本可能过于敏感
* Henze-Zirkler：基于核估计方法，对样本大小和维度具有良好的适应性
* Royston：基于多个单变量正态性检验的拓展，Shapiro-Wilk检验的多变量版本，适用于中等样本大小和小至中等数量的变量
 
=== 参数配置 ===
* 检验变量：选择多个连续型数值变量
* 正态检验方法: Mardia，Henze-Zirkler，Royston
* 筛选阈值：选择需要的P值阈值，节点会自动将满足阈值的变量筛选出，数据集也会同步筛选出满足的变量。
* 此算法兼容空值
 
=== 注意事项 ===
* 多变量正态性的假设是许多统计方法（如多元方差分析、因子分析和多元回归分析）的前提条件
 
 
== '''引用''' ==
{{Reflist}}
 
 
 
{{Navplate AlgorithmNodeList}}
 
[[Category:正态性检验]]

2024年1月22日 (一) 15:02的最新版本

Normality Test Multivariate.png
节点状态
Windows / Windows 10 Win10及以上可用
在V1.0部署
多因素正态性检验Normality Test Multivariate.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名Normality Test_Multivariate
功能主类别数据分析
英文缩写NomTM
功能亚类别正态性检验
节点类型数据挖掘
开发语言R
节点简介

多因素正态性检验用于检查多个观测值是否符合正态分布。此检验使用的方法有:Mardia检验,Henze-Zirkler检验, 和Royston检验。

用途：用于检验多个变量是否服从多元正态分布。

参数：选择多个连续型数值变量

端口数量与逻辑控制(PC)
Input-入口3个
Output-出口3个
Loop-支持循环是
If/Switch-支持逻辑判断否
输入输出
可生成图片类型（推荐）
可生成数据表类型（推荐）
相关节点
上一节点单因素正态性检验
下一节点单样本T检验
WikimediaUI-Globe.svg相关网站






节点使用的R语言示例代码

多因素正态性检验

mvn(
  data,
  subset = NULL,
  mvnTest = "hz",
  covariance = TRUE,
  tol = 1e-25,
  alpha = 0.5,
  scale = FALSE,
  desc = TRUE,
  transform = "none",
  R = 1000,
  univariateTest = "AD",
  univariatePlot = "none",
  multivariatePlot = "none",
  multivariateOutlierMethod = "none",
  bc = FALSE,
  bcType = "rounded",
  showOutliers = FALSE,
  showNewData = FALSE
)

方法参见R package: MVN的官方文档


节点使用指南

  • 检验数据是否服从多变量正态分布

方法选择

  • Mardia：侧重于评估多元数据的偏度和峰度，对大样本可能过于敏感
  • Henze-Zirkler：基于核估计方法，对样本大小和维度具有良好的适应性
  • Royston：基于多个单变量正态性检验的拓展，Shapiro-Wilk检验的多变量版本，适用于中等样本大小和小至中等数量的变量

参数配置

  • 检验变量：选择多个连续型数值变量
  • 正态检验方法: Mardia，Henze-Zirkler，Royston
  • 筛选阈值：选择需要的P值阈值，节点会自动将满足阈值的变量筛选出，数据集也会同步筛选出满足的变量。
  • 此算法兼容空值

注意事项

  • 多变量正态性的假设是许多统计方法（如多元方差分析、因子分析和多元回归分析）的前提条件


引用


查找其他类别的节点，请参考以下列表

取自“https://wiki.statsape.com/index.php?title=多因素正态性检验&oldid=8204”
最近修改
此页面最后编辑于2024年1月22日 (星期一) 15:02。
版权
DecisionLinnc Wiki (决策链云智库) © 2024 by Statsape is licensed under Attribution-NonCommercial-ShareAlike 4.0 International. To view a copy of this license, visit [http://creativecommons.org/licenses/by-nc-sa/4.0/| CreativeCommons-Licenses-4.0].