ระบุขนาดกลุ่มตัวอย่างและระดับนัยสำคัญ
หลักการทางวิชาการของการทดสอบ Shapiro-Wilk
ความเป็นมาและความสำคัญ
การทดสอบ Shapiro-Wilk พัฒนาขึ้นในปี ค.ศ. 1965 โดย Samuel Sanford Shapiro และ Martin Wilk เพื่อทดสอบสมมติฐานว่าข้อมูลมีการแจกแจงแบบปกติ ได้รับการยอมรับอย่างกว้างขวางเนื่องจาก มีความแม่นยำสูงในการตรวจจับการเบี่ยงเบน เหมาะกับขนาดตัวอย่างขนาดเล็ก และมีพื้นฐานทางคณิตศาสตร์ที่แข็งแกร่ง
สมมติฐานทางสถิติ
H0 (Null Hypothesis)
ข้อมูลมีการแจกแจงแบบปกติ
ข้อมูลมีการแจกแจงแบบปกติ
H1 (Alternative Hypothesis)
ข้อมูลไม่มีการแจกแจงแบบปกติ
ข้อมูลไม่มีการแจกแจงแบบปกติ
สูตรคำนวณค่าสถิติ W
W = (Σ ai x(i))2 / Σ(xi − x̄)2
เมื่อ :
x(i) คือค่าข้อมูลที่เรียงลำดับ |
ai คือสัมประสิทธิ์จากค่าคาดหมายของลำดับสถิติ |
x̄ คือค่าเฉลี่ย | 0 < W ≤ 1
การแปลผลและการประยุกต์
ยอมรับ H0 (p-value ≥ α)
สามารถใช้สถิติเชิงพารามิเตริก เช่น
- t-test, F-test
- ANOVA
- Pearson's Correlation
- Multiple Regression
ปฏิเสธ H0 (p-value < α)
พิจารณาสถิติไม่อิงพารามิเตริก เช่น
- Mann-Whitney U, Wilcoxon
- Kruskal-Wallis
- Spearman's Correlation
- Data Transformation
เอกสารอ้างอิง
- 1.Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3/4), 591-611.
- 2.Razali, N. M., & Wah, Y. B. (2011). Power comparisons of Shapiro-Wilk, Kolmogorov-Smirnov, Lilliefors and Anderson-Darling tests. Journal of Statistical Modeling and Analytics, 2(1), 21-33.
- 3.Royston, P. (1992). Approximating the Shapiro-Wilk W-test for non-normality. Statistics and Computing, 2(3), 117-119.
Shapiro-Wilk