Shapiro-Wilk normality test data: data$Direct.strategy.filled.pause.frequency W = 0.23769, p-value < 2.2e-16 > shapiro_conventional_indirect Shapiro-Wilk normality test data: data$Conventionally.indirect.strategy.filled.pause.frequency W = 0.49201, p-value < 2.2e-16 > shapiro_nonconventional_indirect Shapiro-Wilk normality test data: data$Non.conventionally.indirect.strategy.filled.pause.frequency W = 0.099932, p-value < 2.2e-16

根据你提供的信息，我们可以看到对于三个不同的变量（Direct.strategy.filled.pause.frequency, Conventionally.indirect.strategy.filled.pause.frequency, Non.conventionally.indirect.strategy.filled.pause.frequency），它们的Shapiro-Wilk正态性检验的p-value都小于2.2e-16，意味着数据不服从正态分布。这可能会影响一些假设检验和统计分析的结果，需要在使用时进行注意。

相关问题

shapiro_conventional_indirect <- shapiro.test(speed$Conventionally.indirect.strategy.speech.rate) Error in shapiro.test(speed$Conventionally.indirect.strategy.speech.rate) : 不是所有的is.numeric(x)都是TRUE

这个错误通常是因为数据中包含缺失值或非数值型数据。你可以使用下面的代码来检查数据中是否包含缺失值：

sum(is.na(speed$Conventionally.indirect.strategy.speech.rate))

如果结果不为0，表示数据中包含缺失值，此时你需要先对数据进行缺失值处理。如果结果为0，可以使用下面的代码来检查数据类型：

class(speed$Conventionally.indirect.strategy.speech.rate)

如果结果不为"numeric"，表示该列数据类型不是数值型，需要将其转换为数值型数据。

unlist(lapply(My_data1, function(x){ + shapiro.test(x)$p.value + })) Error in shapiro.test(x) : 不是所有的is.numeric(x)都是TRUE 请解决报错

这个错误是由于 `shapiro.test()` 函数只能接受数值型向量作为参数，而您的数据中存在非数值型的变量导致的。您需要先将数据中的非数值型变量删除或转换为数值型变量，再进行 `shapiro.test()` 的检验。

以下是一个例子，假设您的数据框中有两列数据，其中 `var1` 是数值型变量，`var2` 是非数值型变量，您可以使用下面的代码进行检验：

# 假设您的数据框名为 My_data1，将 var2 列删除
My_data2 <- My_data1[, -which(sapply(My_data1, class) == "factor")]

# 对 My_data2 中的每一列进行 shapiro.test() 检验
p_values <- unlist(lapply(My_data2, function(x) {
  if (is.numeric(x)) {
    shapiro.test(x)$p.value
  } else {
    NA
  }
}))

在这个例子中，我们使用了 `sapply()` 函数将 `My_data1` 中每一列的类型判断为 `factor` 或者 `numeric`，然后使用 `which()` 函数找到所有类型为 `factor` 的列的索引，再使用负索引将这些列删除，得到只包含数值型变量的数据框 `My_data2`。接着，我们使用 `lapply()` 函数对 `My_data2` 中的每一列进行 `shapiro.test()` 的检验，并将检验结果中的 p 值取出，最后使用 `unlist()` 函数将所有 p 值合并为一个向量。在检验过程中，我们使用了 `is.numeric()` 函数判断当前列是否为数值型变量，如果不是，则返回 `NA`。