Demographics を Table で出す時、
- 正規分布していたら 平均値と標準偏差（standard devision, SD）
- 正規分布していなかったら 中央値と四分位範囲（inter quartile range, IQR）
で記載する。
他、統計で各群を比較する際にも、
| 正規分布している：パラメトリック検定 | 正規分布していない：ノンパラメトリック検定 | ||
| 対応なし | 対応あり | 対応なし | 対応あり |
| スチューデントのｔ検定 （Unpaired t-test） |
対応のあるｔ検定 （Paired t-test） |
マン-ホイットニーのU検定 （Mann-Whitney U test） |
ウィルコクソン符号付順位検定 （Wilcoxon signed rank test） |
| 1元配置分散分析 （One-way ANOVA） |
一元配置反復測定分散分析 （Repeated measures ANOVA） |
クラスカル-ウォリス検定 （Kruskal-wallis test） |
フリードマン検定 （Friedman test） |
という感じで、正規分布の有無によって統計手法を使い分ける。
そして正規分布は、Shapiro.test（シャピロ・ウィルク検定）で確認。
Shapiro.test の方法
R の tapply 関数を使う。
tapply(正規分布をみたいデータ, 群間比較用のカテゴリ, shapiro.test)
例：Data_ADというデータの中で、LATEというグループ (LATE(+) or LATE(-)) 間で、Ageが正規分布しているかどうかみたい場合。
tapply(Data_AD$Age, Data_AD$LATE, shapiro.test)
output
$`LATE (-)`
Shapiro-Wilk normality test
data: X[[i]]
W = 0.97727, p-value = 0.001163
$`LATE (+)`
Shapiro-Wilk normality test
data: X[[i]]
W = 0.98626, p-value = 0.05497Shapiro-Wilk test の帰無仮説は「正規分布している」なので、
棄却されなかったら、「２グループともに正規分布してそう」という解釈になる（セットポイントは P < 0.05）。
下記は「正規分布していない」の例。
tapply(Data_AD$Disease_Duration, Data_AD$LATE, shapiro.test)
output
$`LATE (-)`
Shapiro-Wilk normality test
data: X[[i]]
W = 0.96226, p-value = 4.632e-05
$`LATE (+)`
Shapiro-Wilk normality test
data: X[[i]]
W = 0.96756, p-value = 0.0002488
リンク
リンク
リンク
リンク
