R 正态性检验：正态概率图

检验模型是否满足正态性假设的方法：

1.正态概率图

这是我编写的画正态概率图的函数：

#绘制正态概率图
plot_ZP = function(ti) #输入外部学生化残差
{
  n = length(ti)
  order = rank(ti)   #按升序排列，t(i)是第order个
  Pi = (order-1/2)/n #累积概率
  plot(ti,Pi,xlab = "学生化残差",ylab = "百分比")  #画正态概率图
  #添加回归线
  fm = lm(Pi~ti)
  abline(fm)
}

　若正态概率图近似呈一条直线，认为模型是符合正态性假设的。

2.QQ正态检验图

qqnorm(d) #QQ图正态性检验
qqline(d) #添加趋势线

　d是标准化残差

   如果所有的点近似成直线，那么，残差就是正态分布的。

3.Shapiro正态性检验

shapiro.test(resid(fm1))

> shapiro.test(resid(fm1))

	Shapiro-Wilk normality test

data:  resid(fm1)
W = 0.97405, p-value = 0.748

 Shapiro检验的原假设是：模型服从正态分布！

因为p-value>0.05 ，所以不拒绝原假设，即认为模型是符合正态性的。