Test Shapiro-Wilka – jak interpretować wyniki?

W teście Shapiro-Wilka wartość p nie jest wyrokiem decydującym automatycznie o wyborze testu statystycznego. Wynik p < 0,05 wskazuje na istotne statystycznie odstępstwo od rozkładu normalnego, natomiast p ≥ 0,05 oznacza jedynie brak podstaw do odrzucenia hipotezy o normalności. Decyzję należy oprzeć także na wykresie Q-Q, liczebności próby, obserwacjach odstających i odporności planowanej metody.

Co naprawdę oznacza wynik p?

Test Shapiro-Wilka sprawdza, czy dane są zgodne z rozkładem normalnym. Hipoteza zerowa (H₀) zakłada, że badana próba pochodzi z populacji o rozkładzie normalnym. Hipoteza alternatywna mówi, że rozkład odbiega od normalnego.

Przy poziomie istotności α = 0,05 interpretacja wygląda następująco:

Wartość p	Interpretacja H₀	Wskazówka metodologiczna
p < 0,05	Odrzucamy H₀. Dane wykazują statystycznie istotne odstępstwo od normalności.	Sprawdź wykres Q-Q, obserwacje odstające i odporność planowanego testu. Nie przechodź automatycznie do metody nieparametrycznej.
p ≥ 0,05	Brak podstaw do odrzucenia H₀.	Nie stwierdzono istotnych dowodów przeciw normalności, ale nie oznacza to jej udowodnienia.

Najważniejsza różnica dotyczy sformułowania. Przy p ≥ 0,05 nie należy pisać, że „rozkład jest normalny”. Poprawniej: „nie ma podstaw do odrzucenia hipotezy o normalności rozkładu”. Test nie potwierdza normalności, lecz nie wykrywa wystarczających dowodów jej naruszenia.

W raporcie pojawia się także statystyka W. Jej wartość mieści się w zakresie od 0 do 1, a im bliżej 1, tym lepsza zgodność danych z rozkładem normalnym. Sama wartość W nie zastępuje jednak interpretacji p ani oceny graficznej.

Dlaczego wielkość próby zmienia interpretację?

Wartość p zależy nie tylko od rozmiaru odchylenia od normalności, lecz także od liczebności próby. Przy dużej liczbie obserwacji test Shapiro-Wilka może wykryć bardzo niewielkie odstępstwa, które są statystycznie istotne, ale nie mają większego znaczenia dla planowanej analizy.

Można więc otrzymać p < 0,001 przy danych, których histogram i wykres Q-Q pokazują rozkład dość zbliżony do normalnego. Taki wynik nie oznacza automatycznie, że trzeba odrzucić test t-Studenta lub analizę wariancji. Trzeba ocenić, czy wykryte odchylenie wpływa na wnioski i czy dana metoda jest na nie odporna.

Przy małych próbach występuje problem odwrotny. Test ma mniejszą moc, więc może nie wykryć nawet wyraźnych odchyleń od normalności. Wynik p ≥ 0,05 nie świadczy wtedy o wysokiej jakości dopasowania, lecz może wynikać z niewielkiej ilości informacji w próbie.

Wielkość próby nie daje jednej uniwersalnej granicy, po której test staje się „dobry” albo „zły”. Jest jednym z elementów oceny, który trzeba połączyć z kształtem rozkładu, charakterem danych i celem analizy.

Jak ocenić normalność poza testem?

Test Shapiro-Wilka powinien być uzupełniony analizą graficzną i opisową. Najwięcej informacji zwykle dostarcza połączenie kilku źródeł:

Wykres Q-Q – porównuje kwantyle obserwowane w próbie z kwantylami oczekiwanymi dla rozkładu normalnego. Punkty układające się w przybliżeniu wzdłuż prostej przemawiają za zgodnością z normalnością, a systematyczne odchylenia wskazują na skośność, ciężkie ogony lub inne problemy.
Histogram – pozwala ocenić ogólny kształt rozkładu, jego asymetrię, wielomodalność i możliwe wartości skrajne.
Skośność i kurtoza – opisują asymetrię oraz koncentrację obserwacji i ciężkość ogonów. Nie powinny być jednak interpretowane w oderwaniu od liczebności próby.
Obserwacje odstające – pojedyncza skrajna wartość może silnie wpłynąć zarówno na statystykę W, jak i na wynik dalszego testu.

Normalność należy sprawdzać dla tej części danych, której dotyczy założenie. Przy porównywaniu grup nie wystarczy połączyć wszystkich obserwacji i przeprowadzić jednego testu. Rozkłady mogą różnić się między grupami, a połączenie ich w jeden zbiór może stworzyć sztuczną asymetrię lub wielomodalność. W analizie wariancji albo regresji często istotniejsza jest ocena rozkładu reszt modelu niż surowej zmiennej.

Czy p < 0,05 wyklucza test parametryczny?

Nie. Automatyczne przejście od p < 0,05 do testu nieparametrycznego jest jednym z częstszych błędów metodologicznych. Testy parametryczne, takie jak test t-Studenta czy ANOVA, często dobrze znoszą umiarkowane naruszenia normalności, zwłaszcza gdy grupy są dostatecznie liczne i podobne pod względem liczebności.

Nie oznacza to, że można ignorować założenia. Chodzi o to, aby wynik Shapiro-Wilka traktować jako informację do oceny, a nie jako samodzielny automat decyzyjny. Przy silnej asymetrii, małych grupach i obserwacjach odstających założenia mogą być naruszone na tyle, że wybór metody parametrycznej stanie się ryzykowny.

O wyborze procedury statystycznej powinny współdecydować:

liczebność każdej grupy, a nie tylko całej próby,
podobieństwo liczebności porównywanych grup,
obecność i wpływ obserwacji odstających,
skala pomiarowa oraz charakter badanej zmiennej,
kształt rozkładów widoczny na wykresach,
odporność konkretnej metody na naruszenie normalności.

Test U Manna-Whitneya lub inna metoda nieparametryczna może być uzasadnioną alternatywą, gdy rozkład wyraźnie odbiega od normalnego, grupy są małe, a obserwacje odstające lub asymetria mogą zmieniać wynik analizy. Nie jest jednak domyślną konsekwencją każdego p < 0,05.

Jak sprawdzić wynik krok po kroku?

Poprawna ocena założenia normalności może przebiegać w kilku etapach:

Określ, dla jakiej części danych normalność jest istotna – dla całej próby, poszczególnych grup czy reszt modelu.
Sprawdź liczebność próby i obejrzyj dane pod kątem wartości odstających oraz błędów wprowadzania.
Wykonaj test Shapiro-Wilka i zapisz statystykę W oraz wartość p.
Porównaj wynik testu z wykresem Q-Q, histogramem i miarami skośności.
Oceń, jak naruszenie założenia wpływa na planowaną metodę, a dopiero potem wybierz test parametryczny lub nieparametryczny.

Jak opisać wynik w pracy naukowej?

Sam zapis wartości p jest niewystarczający. W metodologii warto wskazać, że ocenę oparto na teście oraz metodach graficznych, a następnie wyjaśnić, dlaczego wybrano daną procedurę.

Przykładowy zapis w stylu APA może wyglądać tak:

„Zgodność rozkładu analizowanej zmiennej z rozkładem normalnym oceniono za pomocą testu Shapiro-Wilka oraz wykresu Q-Q. Nie stwierdzono podstaw do odrzucenia hipotezy o normalności rozkładu, W = 0,91, p = 0,440.”

Gdy wynik jest istotny, można napisać:

„Test Shapiro-Wilka wskazał na statystycznie istotne odstępstwo rozkładu od normalnego, W = 0,71, p = 0,005. Przy wyborze dalszej metody uwzględniono także wykres Q-Q, liczebność grup i obecność obserwacji odstających.”

Najczęstsze błędy interpretacyjne

W praktyce warto wyeliminować przede wszystkim następujące uproszczenia:

Traktowanie p ≥ 0,05 jako dowodu, że rozkład jest normalny.
Automatyczne zastępowanie testu parametrycznego metodą nieparametryczną po każdym p < 0,05.
Testowanie połączonych danych zamiast oceny rozkładów w poszczególnych grupach lub analizy reszt.
Ignorowanie wykresu Q-Q, histogramu, liczebności próby i obserwacji odstających.

Najlepsza interpretacja testu Shapiro-Wilka łączy wartość p z obrazem danych i wymaganiami konkretnej metody. Dzięki temu wynik nie staje się mechanicznym przełącznikiem między testem parametrycznym a nieparametrycznym, lecz częścią świadomej oceny założeń analizy.