请勿使用该方法：

首先进行正态性检验。如果P值较小，表明数据不服从高斯分布，则选择非参数检验。否则选择常规检验。

Prism并未使用该方法，因为参数与非参数选择比该方法更复杂。

•通常，只是分析一系列试验之一。既然您想以相同方式分析所有试验，您就不能依赖于一次正态性检验的结果。

•对数正态分布中抽样的许多生物学变量可能会增加。如果您的数据是从对数正态分布中抽样得到，则分析数据的最佳方法是首先转换成对数，然后进行分析。不考虑转换就直接进行非参数检验是错误。

•根据数据的分布，其他转换也可能有用（倒数）。

•数据可能无法通过正态性检验，因为存在“异常值”。去除异常值即可恢复正常。

•对于小数据集来说，决定使用参数检验还是非参数检验是最重要的（因为非参数检验的检验力如此之低）。但使用小数据集，正态性检验几乎没有能力检测非高斯分布，因此自动方法会给您错误的置信度。

•对于大数据集，正态性检验可能过于敏感。正态性检验的低P值告诉您，有强有力的证据表明数据不是从理想的高斯分布中抽样得到。但您已知道，因为几乎没有科学上相关的变量可形成理想的高斯分布。您想要知道的是，这种分布是否与高斯理想有足够的偏差，从而使传统的统计检验（假设为高斯分布）失效。正态性检验不能回答该问题。对于大数据集来说，这种想法的微小偏差会导致小的P值。

何时使用参数检验及何时使用非参数检验很难决定，需思考和客观判断。该决定不应自动进行。