请勿采用此方法：

首先进行正态性检验。如果 P 值较低，表明数据不服从高斯分布，则选择非参数检验。否则选择常规检验。

Prism 不会采用这种方法，因为参数检验与非参数检验的选择远比这复杂得多。

•通常，分析是系列实验中的一项。由于您希望以相同的方式分析所有实验，因此不能仅依赖单次正态性检验的结果。

•许多生物变量服从对数正态分布。如果您的数据采样自对数正态分布，分析数据的最佳方法是先进行对数转换，然后对对数值进行分析。如果不考虑转换就直接跳到非参数检验，那将是一个错误。

•根据数据分布的不同，其他变换（如倒数变换）也可能有所帮助。

•数据可能因存在异常值而未能通过正态性检验。移除该异常值可恢复正态性。

•对于小数据集，选择参数和非参数检验至关重要（因为非参数检验的功效非常低）。但在小数据集中，正态性检验对非高斯分布的检测力很弱，因此自动方法会让您产生虚假的信心。

•对于大型数据集，正态性检验可能过于敏感。正态性检验得出的低P值表明，有强有力证据表明数据并非采样自理想的高斯分布。但您早已知晓这一点，因为几乎没有任何具有科学意义的变量会形成理想的高斯分布。您真正想知道的是，该分布是否偏离高斯理想状态到足以使传统统计检验（这些检验假设数据服从高斯分布）失效的程度。 正态性检验无法回答这个问题。对于大型数据集，即使与理想分布存在微小偏差，也可能导致较低的P值。

何时使用参数和非参数检验是一个艰难的抉择，需要深思熟虑和宏观视野。这一决策不应被自动化。