
數(shù)據(jù)分析方法:非正態(tài)數(shù)據(jù)轉(zhuǎn)化成正態(tài)數(shù)據(jù)
大部分的數(shù)據(jù)分析都希望原始數(shù)據(jù)是滿足正態(tài)分布的定距變量。然而,顯示是殘酷的,在各種研究中,常常需要面對非正態(tài)分布的定距數(shù)據(jù)。為了解決數(shù)據(jù)的正態(tài)性問題,數(shù)學(xué)家們總結(jié)了很多轉(zhuǎn)化方法,但是沒有萬能神藥,都需要對癥下藥(根據(jù)數(shù)據(jù)的實(shí)際分布情況,選擇合適的轉(zhuǎn)化方法)。
下面不會介紹具體的轉(zhuǎn)化方法,只是幫助大家理順正態(tài)轉(zhuǎn)化的思路,明白正態(tài)轉(zhuǎn)化的邏輯,不至于將正態(tài)轉(zhuǎn)化看做神秘領(lǐng)域,高不可攀。
正態(tài)轉(zhuǎn)化四步驟
第一步:計算數(shù)據(jù)的分布狀況及兩個參數(shù):偏度(Skewness)和峰度(Kurtosis)。
第二步:根據(jù)變量的分布形狀和參數(shù),決定是否做轉(zhuǎn)換。
1、對稱判斷
看Skewness(偏差度)的取值。如果偏度為0,則是完全對稱(但罕見);如果偏度為正值,則說明該變量的分布為正偏態(tài);如果偏度為負(fù)值,則說明該變量的分布為負(fù)偏態(tài)。然而,偏度值還不能完全判斷偏態(tài)的分布是否與正態(tài)分布有顯著差別,所以還需要做顯著性檢驗。如果檢驗結(jié)果顯著,我們可能(注意是“可能”)可以通過轉(zhuǎn)換來達(dá)到或接近對稱。
2、峰度檢驗
Kurtosis(峰度)是判斷曲線陡峭和平緩的指標(biāo)。如果峰度為0,說明該變量分布合適(但罕見);如果峰度為正值,說明該變量的分布陡峭;反之,如果峰度為負(fù)值,說明變量的分布平緩。峰度也需要通過顯著檢驗來判斷與正態(tài)分布是否有顯著差別。我們可能可以通過轉(zhuǎn)換來達(dá)到或接近正態(tài)分布。
第三步:如果需要做正態(tài)轉(zhuǎn)換,根據(jù)變量的分布形狀,確定相應(yīng)的轉(zhuǎn)換公式。下面簡單介紹3種常見的正態(tài)轉(zhuǎn)換方法
1、如果是中度偏態(tài)
如果偏度為其標(biāo)準(zhǔn)誤差的2-3倍,可以考慮取根號值來轉(zhuǎn)換。
2、如果高度偏態(tài)
如果偏度為其標(biāo)準(zhǔn)誤差的3倍以上,則可以取對數(shù),其中又可分為自然對數(shù)和以10為基數(shù)的對數(shù)。
3、對于雙峰或多峰數(shù)據(jù)
秩分的正態(tài)得分的轉(zhuǎn)化方法,SPSS軟件中常用,請關(guān)注SPSS視頻教程。
第四步:再次檢驗轉(zhuǎn)換后變量的分布形狀。如果沒有解決問題,或者甚至惡化,需要再從第二或第三步重新做起,然后再回到第一步的檢驗。直至達(dá)到比較令人滿意的結(jié)果。
數(shù)據(jù)正態(tài)化注意點(diǎn)
1、偏度和峰度的標(biāo)準(zhǔn)誤差與樣本量直接有關(guān)。具體說來,偏度的標(biāo)準(zhǔn)誤差約等于6除以n后的開方,而峰度的標(biāo)準(zhǔn)誤差約等于24除以n后的開方,n為樣本量。由此可見,樣本量越大,標(biāo)準(zhǔn)誤差越小。
2、數(shù)據(jù)的正態(tài)轉(zhuǎn)化方法不是通用的,要根據(jù)不同的數(shù)據(jù)分布情況,選擇合適的或創(chuàng)造合適的轉(zhuǎn)化公式,轉(zhuǎn)化后必須驗證轉(zhuǎn)化效果,最終達(dá)到轉(zhuǎn)化的目的。
3、不是所有的非正態(tài)分布的數(shù)據(jù)都能夠通過正態(tài)轉(zhuǎn)化而轉(zhuǎn)化為正態(tài)分布數(shù)據(jù)。非正態(tài)分布的數(shù)據(jù)也可以使用非參數(shù)方法進(jìn)行分析。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10