我的数据包含来自 3 种不同细胞类型（X、Y 和 Z）的压实度测量值。我的目标是了解这些测量值之间是否存在“显着”差异，因此我测试了：
我的样本是否正态分布
- 使用夏皮罗-威尔克检验
- 使用 Jarque-Bera 检验
- 绘制 qqnorm 图
- 绘制直方图
样本是否来自同一个分布
- 使用两样本 Kolmogorov-Smirnov 检验（K-S 检验）并比较 X 与 Y、X 与 Z 和 Y 与 Z
- 使用 Kruskal-Wallis 比较 X、Y 和 Z
我的数据由 X 的 232 个测量值、Y 的 284 个测量值和 Z 的 124 个测量值组成。R 中的 Shapiro-Wilk 和 Jarque-Bera 测试总是给我 p<0.05，我接受它不是正态分布的。然而，当我绘制直方图时，我得到了一个类似正态的分布。
qqnorm 图看起来也没有那么倾斜，但也许这只是我在解释 qqnorm 图方面的经验不足（这是我第一次制作它们）。
由于所谓的非正态分布，我使用 KS 检验和 Kruskal-Wallis 比较了我的数据，这总是给我的结果是，与 X 和 Y 相比，我的总体 Z 来自不同的分布。但是，我不知道是否这是真的，因为 R 总是报告我的两个样本 Kolmogorov-Smirnov 测试：
Warning message:
In ks.test(dataX, dataY) : cannot compute correct p-values with ties
Warning message:
In ks.test(dataX, dataZ) : cannot compute correct p-values with ties
Warning message:
In ks.test(dataY, dataZ) : cannot compute correct p-values with ties
可能是因为样本的大小不同。
我想知道您对此有何看法，以及我是否应该考虑使用更多的参数测试而不是我使用过的非参数测试，或者无论数据的正态性如何，我使用的测试是否有效. 此外，我的测量结果似乎彼此之间几乎没有什么不同，例如：
---Summary stats for WT cells
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.1450 0.3720 0.5000 0.5598 0.7102 1.9290
---Summary stats for Df cells
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.0550 0.4030 0.5445 0.5857 0.7210 1.5350
---Summary stats for Dp cells
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.0670 0.4790 0.6255 0.6782 0.7897 2.0160
这是数据的箱线图：
绿色=X，蓝色=Y，红色=Z
所以我不确定我可能从中得出的结论。