正态检测方法：

1. Shapiro-Wilk(W检验)

   是最为常用和较为普遍接受的一种方法，其R代码为：

   a<-data1[,1]

   shapiro.test(a) 

   当结果P值>0.05时，即为接受该组数据为正态

2. Kolmogorov-Smirnov检验

   代码：install.packages(“nortest”)

   library(nortest)

   a<-data1[,1]

   lillie.test(x)

   当结果P值>0.05时，即为接受该组数据为正态

3. qqplot()，可直接观看数据的变化趋势，从而决定改组数据的处理方式，判断数据是否属于正态

正态转换方法：

当发现数据不是正态时，我们通常有两种考虑，

      1.对其进行转换；

       2.考虑该组数据是否符合其他分布，如泊松分布、二项分布、伽马分布等。

通常，其转为正态的方法有以下几种：

      1.log转换，可用函数In()，log2(),log10()，一般适合右偏态的数据；

      2.开根号或平方或立方或更高次的转换，此类转换需要慎重，需考虑变换后的意义，如果没有必要，需避免此类操作。你也不知道如何去解释脂肪含量与摄入花生数立方的关系，不是吗；

      3.Box-Cox转换 (参考R语言实战)，R代码为：

      install.packages(“car”)

      library(car)

      a<-data1[,1]

      summary(powerTransform(a))

     其Est.power值即为所要对原数据所做的处理

      4.spss中的“blom”函数，此处不做详细解释