Question

我正在尝试使用 mvnormtest 包对我的数据进行多变量正态性测试，其中包含两个对象间变量，一个对象内变量和三个因变量（二进制分类）。我的数据看起来像这样（〜5,600行，没有丢失的数据）：

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，我在一次统计课程中查看了一个论坛，发现有人可以通过将数据分组来进行工作。

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)

我遇到了同样的错误。

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？

Answer 1

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

但是由于奇异矩阵，它仍然会失败，因为您的列彼此完全是线性组合。例如，Group等于4*Cluster，而Measure与Measure2相同。查阅this discussion关于奇异矩阵的更多信息。

假设您只想测试Measure变量的正态性，下面的代码示例将说明奇异矩阵的问题：

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))

但是您所有的Measure值都是0还是1？如果是这样，为什么还要测试正常性？

mshapiro.test'solve.default（R％*％t（R），tol = 1e-18）中的错误：Lapack例程dgesv：系统完全是奇数：U [7,7] = 0'

1 个答案: