In the first step of the simulation

In the first step of the simulation, we simulate a
single sample of 30 participants, with 15 participants in
each of the two subsamples formed by the X variable.
This allows us to offer a visual depiction of the
distribution of the response variable Y. In Figure 1 a
histogram shows that due to the strong influence of the
dichotomous predictor variable X, the response
variable Y is bimodal. Its non-normality is also clear in
a normal q-q plot, where the quantiles of the
distribution do not match those of a normal
distribution, as indicated by the straight line. A Shapiro-
Wilk normality test also provides evidence to reject a
null hypothesis of a normal distribution for this
variable, W = 0.910, p = .015. On the other hand, if we
regress Y on X and then calculate the residuals, there is
no evidence to reject a null hypothesis of normality for
the marginal distribution of the errors, W = 0.971, p =
.562. In sum, despite the presence of normally
distributed errors, the response variable in this
simulated example is clearly not normally distributed

ผลลัพธ์ (ไทย) 1:

ในขั้นตอนแรกของการจำลองสถานการณ์ เราจำลองการตัวอย่างหนึ่งของผู้เข้าอบรม 30 มีผู้เข้าร่วม 15ละ subsamples สองที่เกิดขึ้นจากตัวแปร Xให้เรานำเสนอการแสดงให้เห็นภาพของการการกระจายของตัวแปรตอบสนอง Y ในรูปที่ 1 เป็นฮิสโตแกรมแสดงว่า เนื่องจากแข็งแกร่งมีผลของการตัวแปร dichotomous predictor X การตอบสนองตัวแปร Y เป็น bimodal มันไม่ใช่-normality ก็ชัดเจนในแผนปกติ q-q ที่ quantiles ของการกระจายสินค้าไม่ตรงกับของปกติแจกจ่าย ตามที่ระบุ โดยเส้นตรง Shapiro แบบทดสอบ normality Wilk ยังมีหลักฐานในการปฏิเสธการสมมติฐานของการแจกแจงปกตินี้เป็น nullตัวแปร W = 0.910, p =.015 ในทางกลับกัน ถ้าเราการถดถอย Y บน X และจากนั้น คำนวณค่าคงเหลือ มีไม่ปรากฏหลักฐานในการปฏิเสธสมมติฐานว่างของ normality สำหรับการกระจายกำไรข้อผิดพลาด W = 0.971, p =.562 ในผล แม้มีก็ปกติข้อผิดพลาดกระจาย ตัวแปรตอบสนองนี้เลียนแบบอย่างชัดเจนไม่ปกติกระจาย

ผลลัพธ์ (ไทย) 2:

ในขั้นตอนแรกของการจำลองที่เราจำลองตัวอย่างเดียวที่ 30 ร่วมกับ 15 ผู้เข้าร่วมในแต่ละสองsubsamples ที่เกิดขึ้นจากตัวแปรเอ็กซ์. นี้จะช่วยให้เราสามารถนำเสนอภาพที่มองเห็นของการกระจายของตัวแปรตอบสนองวายในรูปที่ 1 กราฟแสดงให้เห็นว่าเนื่องจากอิทธิพลของตัวแปรทำนาย dichotomous X ตอบสนองตัวแปรY เป็น bimodal ปกติที่ไม่ได้มันยังชัดเจนในการพล็อต QQ ปกติที่ quantiles ของการจัดจำหน่ายไม่ตรงกับผู้ที่มีปกติการกระจายตามที่ระบุโดยเส้นตรง Shapiro- ทดสอบ Wilk ปกตินอกจากนี้ยังมีหลักฐานที่จะปฏิเสธสมมติฐานของการกระจายปกตินี้ตัวแปรw = 0.910, p = 0.015 ในทางกลับกันถ้าเราถอยหลัง Y ใน X และคำนวณแล้วเหลือที่มีหลักฐานที่จะปฏิเสธสมมติฐานของปกติไม่มีการกระจายขอบของข้อผิดพลาดw = 0.971, p = 0.562 โดยสรุปแม้จะมีการปรากฏตัวของปกติข้อผิดพลาดกระจายตัวแปรการตอบสนองในเรื่องนี้เช่นจำลองอย่างชัดเจนไม่กระจายตามปกติ

ผลลัพธ์ (ไทย) 3:

ในขั้นตอนแรกของการจำลอง เราจำลอง
ตัวอย่างเดียว 30 ราย กับ 15 เข้าร่วม
แต่ละของทั้งสอง subsamples เกิดขึ้นจากตัวแปร X .
นี้ช่วยให้เราสามารถให้ภาพที่มองเห็นของการแจกแจงของตัวแปรตอบสนอง Y

ในรูปที่ 1 เป็นกราฟแสดงให้เห็นว่า เนื่องจากการ อิทธิพลที่แข็งแกร่งของ
ไดโคโตมัสทำนายตัวแปร x เป็นตัวแปรตอบสนอง
Y เป็นไบโมดอล .มันไม่ปกติยังเป็นที่ชัดเจนใน
พล็อตครั้งแรกปกติ ที่ quantiles ของ
จำหน่ายไม่ตรงกับของการแจกแจงแบบปกติ
, ตามที่ระบุโดยเส้นตรง เป็นชาพิโร -
ตัวแทนปกติการทดสอบยังให้หลักฐานการปฏิเสธสมมติฐานว่าง
ของการแจกแจงแบบปกติ ตัวแปรนี้
, W = 0.910 , p = . 015 . ในทางกลับกัน ถ้าเราย้อนไปดูใน X และ Y
แล้วคำนวณค่าความคลาดเคลื่อนมีหลักฐาน
ไม่ปฏิเสธสมมติฐานว่างของปกติสำหรับ
กระจายขอบของข้อผิดพลาด , W = 0.971 , p =
. 396 . สรุปแล้วแม้จะมีการแสดงตนของปกติ
กระจาย ข้อผิดพลาด การตอบสนองตัวแปรในตัวอย่างนี้
จำลองเป็นอย่างชัดเจนไม่ปกติกระจาย