样本量大于5000的数据如何用R语言做正态性检验 （用不了shapiro.test(df_long_st$st)

在R语言中，可以使用Kolmogorov-Smirnov检验或者Anderson-Darling检验来进行正态性检验。这些方法不受样本量的限制，适用于大样本量的情况。下面是使用这两种方法进行正态性检验的示例代码：

1. Kolmogorov-Smirnov检验：

# 假设你的数据存储在一个名为df_long_st的数据框中的一个名为st的变量中

# 安装并加载必要的包
install.packages("nortest")
library(nortest)

# 进行Kolmogorov-Smirnov检验
ks.test(df_long_st$st, "pnorm")

2. Anderson-Darling检验：

# 安装并加载必要的包
install.packages("nortest")
library(nortest)

# 进行Anderson-Darling检验
ad.test(df_long_st$st, "pnorm")

这些代码将返回检验结果，包括统计量和p值。如果p值小于显著性水平（通常为0.05），则可以拒绝原假设，即数据不服从正态分布。否则，无法拒绝原假设，即数据可能服从正态分布。

请注意，这些检验方法仅适用于连续型数据。如果你的数据是离散型的，可能需要使用其他方法进行正态性检验。