小样本

当样本非常小（例如，少于12个数值）时，您选择参数或非参数检验的决定最重要。

如果您选择参数检验，但您的数据并非来自高斯分布，则结果将不会很有意义。当样本非常小时，参数检验对与高斯分布的偏差并不是非常可靠。

如果您选择非参数检验，但实际上有高斯数据，您得到的P值可能会过大，因为非参数检验的检验力低于参数检验的检验力，而且这种差异在小样本中显而易见。

遗憾的是，当样本非常小时，正态性检验在检测样本是否来自高斯群体的检验力有限。小样本根本无法包含足够信息，因而您无法对整个群体的分布形状做出可靠推断。

大样本

样本非常大（例如，大于100左右）时，选择参数或非参数检验的决定并不重要。

如果选择参数检验，但数据并非是真正的高斯数据，您并未损失过多，因为参数检验对违反高斯假设是可靠的，尤其是当样本量相等（或接近相等）时。

如果您选择非参数检验，但实际上有高斯数据，您并未损失过多，因为当样本量非常大时，非参数检验的检验力几乎与参数检验的检验力一样大。

正态性检验对大样本非常奏效，因为大样本包含足够数据，允许您对群体分布（从中提取数据）的形状做出可靠推断。但正态性检验不能回答您关心的问题。您想知道的是，分布是否与高斯分布的差异是否足够，使得对参数检验的有用性产生怀疑。但正态性检验可以回答不同问题。正态性检验提出了一个问题，即是否有证据表明这种分布不同于高斯。但对于大样本，正态性检验将检测到与高斯有微小偏差，差异足够小，使得其不应影响对参数检验和非参数检验的决定。

总结