如何在R中绕过shapiro.test的全相同值报错？

问题原因 #

当输入的所有数据值完全一致时，Shapiro-Wilk检验的统计量无法计算（数据无变异），shapiro.test会直接抛出all 'x' values are identical的错误。

解决方法 #

可以自定义一个包装函数，先对数据做预检查，根据数据情况返回对应结果：

自定义函数示例 #

safe_shapiro <- function(x) {
  # 检查数据是否全部相同
  if (length(unique(x)) == 1) {
    # 返回模拟shapiro.test结构的结果，标注数据状态
    return(list(
      statistic = NA,
      p.value = 1,  # 全相同数据无变异，视为符合正态分布，p值设为1
      method = "Shapiro-Wilk normality test (all values identical)",
      data.name = deparse(substitute(x))
    ))
  } else {
    # 数据正常时执行标准检验
    shapiro.test(x)
  }
}

针对示例数据的使用 #

df = structure(list(STATION = structure(c(3L, 3L, 3L, 2L, 2L, 2L, 
1L, 1L, 1L), levels = c("EX", "OF", "RE"), class = "factor"), 
    Variable = c("pH", "pH", "pH", "pH", "pH", "pH", "pH", "pH", 
    "pH"), Value = c(8.3, 8.2, 8.2, 7.6, 7.6, 7.6, 8.2, 8.2, 
    8.2)), row.names = c(NA, -9L), class = c("tbl_df", "tbl", 
"data.frame"))

# 对EX站点执行检验
safe_shapiro(df$Value[df$STATION == "EX"])

执行后会返回结构化结果，不会报错，同时明确标注数据全相同的情况。

批量处理多站点 #

如果要对所有站点批量检验，可结合dplyr分组处理：

library(dplyr)

df %>%
  group_by(STATION) %>%
  summarise(
    shapiro_result = list(safe_shapiro(Value)),
    .groups = "drop"
  ) %>%
  mutate(
    p_value = sapply(shapiro_result, function(x) x$p.value),
    method = sapply(shapiro_result, function(x) x$method)
  )

这样能一次性得到所有站点的检验结果，包括全相同数据的站点。

补充说明 #

全相同的数据无变异，从统计逻辑上不存在偏离正态分布的可能，因此将p值设为1是合理的——无法拒绝“数据来自正态分布”的原假设。如果你的分析需要特殊处理这种情况，可自行调整自定义函数的返回值。

内容的提问来源于stack exchange，提问作者confusedindividual