Normalizacion de la transformación de los datos

La Normalización de la Transformación de Datos

Transformación de datos es la aplicación de una modificación matemática a los valores de la variable. Hay una variedad de posibles transformaciones de datos, desde agregar constantes para multiplicar, elevar al cuadrado o elevar la potencia, convirtiendo a escalas logarítmicas, invirtiendo y reflejando, tomando la raíz cuadrada de los valores, eincluso la transformación de aplicaciones trigonométricas tal y como la transformación de onda sinusoidal.

Transformación de datos y Normalidad

Muchos procedimientos estadísticos asumen que las variables son normalmente distribuidas. Una violación significante de la suposición de normalidad puede seriamente incrementar las posibilidades de que el investigador cometa cualquier error de un Tipo1(sobreestimación) o del Tipo 2(subestimación), dependiendo de la naturaleza del análisis y la no-normalidad. Sin embargo. Micceri señala que la verdadera normalidad es excesivamente rara en la educación y la sicología. Así, una razón (aunque no la única) que los investigadores utilicen transformación de datos es para mejorar la normalidad de las variables. Además, autores como Zimmerman hanseñalado que las pruebas no paramétricas (donde ningún supuesto explícito de normalidad está hecha) puede sufrir como tanto, o más, que las pruebas paramétricas cuando se violan los supuestos de normalidad, confirmando la importancia de esta en todo análisis estadístico, y no solo los análisis paramétricos

Hay múltiples opciones para tratar con datos no-normales. Primero, los investigadores debenasegurarse de que la no-normalidad es debido a una razón válida (verdaderos puntos de datos observados). Las razones inválidas para la no-normalidad incluyen errores en la entrada de datos y valores de datos faltantes no declarados como desaparecidos.
No toda no-normalidad es debida a un error de entrada de datos o valores no declarados desaparecidos. Otras 2 razones para lo no-normalidad son lapresencia de valores atípico (resultados que son extremos en relación al resto de la muestra) y la naturaleza de la variable misma. Hay un gran debate en la literatura sobre si los valores atípicos deberían ser o no removidos.

Judd y McClelland argumentan que la eliminación de estos datos atípicos es deseable, honesto e importante; Orr, Sacket, y DuBois, están entre los que tienen el punto devista opuesto. Debe un investigador eliminar los datos atípicos, y encontrar la no-normalidad sustancial, o escoger no removerlos estos datos atípicos, transformación de datos una viable opción para mejorar la no-normalidad de una variable.

Identificar una Violación de Supuestos de Normalidad

Hay muchas formas para decir si una variable es sustancialmente no-normal. Mientras los investigadorestienden a reportar a favor de “echando un vistazo a los datos”, o inspección visual, investigadores y críticos están más a menudo más cómodos con una evaluación objetiva de normalidad, que puede ir desde un simple examen de simetría y curtosis de un examen de parcelas P-P (disponibles a través de paquetes de software más estadísticas) y pruebas inferenciales de normalidad, tal como las pruebas deKolmorogou-Smirnov y adaptaciones de esta.

Tres Transformaciones de Datos

Mientras muchos investigadores en las ciencias sociales están bien capacitados en métodos estadísticos, no muchos de nosotros han tenido un significante entrenamiento capacitación matemática, o si tenemos, esto a menudo a caído en el olvido. Esta sección está intentando dar un repaso breve sobre realmente que pasacuando aplica una transformación e datos.

Transformación de Raíz Cuadrada. La mayoría de los lectores estarán familiarizados con este procedimiento. Cuando uno aplica una trasformación de raíz cuadrada, la raíz cuadrada de cada valor se toma. Sin embargo, no se puede tomar la raíz cuadrada de un número negativo, si hay valores negativos para una variable, una constante debe ser añadida para...