0

我正在尝试使用mvnormtest包对我的数据进行多元正态性检验，其中包含两个主体间变量、一个主体内变量和三个因变量（二元分类）。我的数据看起来像这样（约 5,600 行，没有丢失数据）：

Cluster Group   Trial   Measure Measure2    Measure
    1   4   1   1   1   0
    1   4   1   0   0   0
    1   4   1   1   1   0
    1   4   1   1   1   0
    1   4   1   1   1   1
    1   4   1   1   1   1
    1   4   1   1   1   0
    1   4   1   1   1   0

这是我的设置：

data.df <- read.csv(
"data.csv", 
  header=TRUE, sep=","
  )

attach(data.df)
names(data.df)

我尝试了以下mshapiro.test()

#multivariate normality
dataMat <- data.matrix(data.df)
mshap <- mshapiro.test(dataMat)

我收到以下错误：

Error in solve.default(R %*% t(R), tol = 1e-18): 
Lapack routine dgesv: system is exactly singular: U[7,7] = 0.

一年前，我在我的统计课上查看了一个论坛，发现有人能够通过将数据分组来工作。

LowCluster <- t(dataMat[c(1:1877),1:6])
MedCluster <- t(dataMat[c(1878:3166),1:6])
HigCluster <- t(dataMat[c(3167:5364),1:6])
mshaplow <- mshapiro.test(LowCluster)
mshapmed <- mshapiro.test(MedCluster)
mshaphigh <- mshapiro.test(HigCluster)

我得到了同样的错误。

Error in solve.default(R %*% t(R), tol = 1e-18) : 
Lapack routine dgesv: system is exactly singular: U[7,7] = 0

我该如何解决这个问题？

4

1 回答 1

2

几个问题。首先，该mshapiro.test函数要求数据为行格式，因此您需要使用t()转置数据。

但是它仍然会由于奇异矩阵而失败，因为您的列是彼此完全线性组合的。例如，Group等于4*Cluster， 和Measure相同Measure2。查看有关奇异矩阵的讨论以获取更多信息。

假设您只想测试Measure变量的正态性，这里有一个代码示例，可以用来说明奇异矩阵问题：

df2 <- data.df[,c(4, 5, 6)]
df2[8,1] = 0 # changing this value makes it so no column is a linear combo of any other column
mshapiro.test(t(df2))

但是你所有的Measure值都是 0 还是 1？如果是这样，您为什么要测试正态性？

于 2019-02-28T00:34:02.307 回答