如何在R中通过循环根据正态性检验结果自动执行组比较及事后检验

完全可以实现这个逻辑，核心是用if-else条件判断语句根据检验结果自动分支执行后续分析，以下是修正后的可运行代码和说明：

示例代码与实现逻辑 #

1. 准备数据与加载依赖包 #

# 加载所需包（仅需加载一次）
library(stats) # 基础统计检验包，默认已加载
library(emmeans) # 可选，用于非参数事后检验的灵活方法

# 构造示例数据
Label <- c("blue", "red", "green", "blue", "red", "green",
           "blue", "red", "green", "blue", "red", "green",
           "blue", "red", "green")
n <- c(10, 223, 12890, 34, 78, 1902, 34, 211, 1007,
       209, 330, 90446, 801, 1029, 9011)
data <- data.frame(Label, n)

2. 执行正态性检验并分支分析 #

# 执行Shapiro-Wilk正态性检验，提取p值
shapiro_result <- shapiro.test(data$n)
shapiro_p <- shapiro_result$p.value
cat("Shapiro-Wilk检验p值：", round(shapiro_p, 4), "\n")

# 根据正态性检验结果分支
if (shapiro_p > 0.05) {
  # 情况1：数据满足正态性，执行单因素ANOVA
  anova_model <- lm(n ~ Label, data = data)
  anova_result <- anova(anova_model)
  cat("\n单因素ANOVA结果：\n")
  print(anova_result)
  
  # 若ANOVA显著，执行Tukey事后检验
  if (anova_result$Pr[1] < 0.05) {
    cat("\nTukey事后检验结果：\n")
    print(TukeyHSD(anova_model))
  } else {
    cat("\nANOVA未达到显著性，无需事后检验\n")
  }
  
} else {
  # 情况2：数据不满足正态性，执行Kruskal-Wallis检验
  kw_result <- kruskal.test(n ~ Label, data = data)
  cat("\nKruskal-Wallis检验结果：\n")
  print(kw_result)
  
  # 若KW检验显著，执行非参数事后检验（以配对Wilcoxon为例，校正多重比较）
  if (kw_result$p.value < 0.05) {
    cat("\n配对Wilcoxon事后检验（Bonferroni校正）：\n")
    print(pairwise.wilcox.test(data$n, data$Label, p.adjust.method = "bonferroni"))
    
    # 可选：用emmeans包做更直观的非参数事后检验
    # emm <- emmeans(kw_result, ~ Label, type = "response")
    # print(pairs(emm, adjust = "bonferroni"))
  } else {
    cat("\nKruskal-Wallis检验未达到显著性，无需事后检验\n")
  }
}

关键注意事项 #

• Shapiro-Wilk的局限性：该检验对样本量敏感，大样本下即使数据近似正态也容易得到显著结果，建议结合Q-Q图（qqnorm(data$n); qqline(data$n)）辅助判断正态性
• 非参数事后检验：原代码中TukeyHSD(kruskal)无法运行，因为TukeyHSD仅支持方差分析模型，非参数检验需用pairwise.wilcox.test或emmeans包的方法
• 多重比较校正：事后检验必须做多重比较校正，避免假阳性结果，示例中用了Bonferroni校正，也可选择其他方法（如"holm"）

内容的提问来源于stack exchange，提问作者MM1