การแปลงบันทึกเป็นเทคนิคที่ใช้ได้สำหรับการทดสอบข้อมูลที่ไม่ใช่ข้อมูลปกติหรือไม่

ในการทบทวนกระดาษผู้เขียนกล่าวว่า "ตัวแปรผลลัพธ์อย่างต่อเนื่องที่แสดงการแจกแจงแบบเบ้ถูกแปลงโดยใช้ลอการิทึมธรรมชาติก่อนที่จะทำการทดสอบ t เพื่อให้เป็นไปตามสมมติฐานเบื้องต้นของภาวะปกติ"

นี่เป็นวิธีที่ยอมรับได้ในการวิเคราะห์ข้อมูลที่ไม่ใช่ข้อมูลปกติหรือไม่

นี่อาจเป็นคำถามที่ค่อนข้างแปลก แต่ฉันไม่เคยเห็นมาก่อน

เป็นเรื่องปกติที่จะพยายามใช้การแปลงบางอย่างกับภาวะปกติ (โดยใช้ลอการิทึม, รากที่สอง, ... ) เมื่อพบกับข้อมูลที่ไม่ปกติ แม้ว่าลอการิทึมจะให้ผลลัพธ์ที่ดีสำหรับข้อมูลที่เบ้อย่างสมเหตุสมผล แต่ก็ไม่รับประกันว่าจะทำงานได้ในกรณีนี้โดยเฉพาะ เราควรแสดงความคิดเห็น @whubers ไว้ในใจเมื่อวิเคราะห์ข้อมูลที่แปลงแล้ว: "t-test สำหรับลอการิทึมนั้นไม่เหมือนกับ t-test สำหรับข้อมูลที่ไม่ได้รับการแปลหรือการทดสอบแบบไม่พารามิเตอร์พารามิเตอร์ t-test บนบันทึกเปรียบเทียบเรขาคณิต หมายถึงไม่หมายถึงเลขคณิต (ปกติ) "

$\frac{n^{-1}\sum_{i=1}^n(x_i-\bar{x})^3}{(n^{-1}\sum_{i=1}^n(x_i-\bar{x})^2)^{3/2}}$

แทนที่จะเลือกการแปลง (เช่นลอการิทึม) เพราะมันใช้งานได้เกือบตลอดเวลาฉันชอบที่จะใช้กระบวนการ Box-Coxสำหรับการเลือกการแปลงโดยใช้ข้อมูลที่ได้รับ อย่างไรก็ตามยังมีประเด็นทางปรัชญาบางประการเกี่ยวกับเรื่องนี้ โดยเฉพาะอย่างยิ่งว่าสิ่งนี้ควรส่งผลกระทบต่อจำนวนองศาความเป็นอิสระในการทดสอบ t-test หรือไม่เนื่องจากเราได้ใช้ข้อมูลบางอย่างจากตัวอย่างเมื่อเลือกการแปลงที่จะใช้

ในที่สุดทางเลือกที่ดีในการใช้การทดสอบ t-test หลังจากการแปลงสภาพหรือการทดสอบแบบไม่มีพารามิเตอร์ดั้งเดิมคือการใช้อะนาล็อกบูทสแตรปของการทดสอบ t-test มันไม่จำเป็นต้องมีข้อสันนิษฐานของภาวะปกติและเป็นการทดสอบเกี่ยวกับวิธีการที่ไม่เปลี่ยนแปลง (และไม่เกี่ยวกับสิ่งอื่น)

โดยทั่วไปการพูดหากสมมติฐานที่จำเป็นในการดำเนินการทดสอบ t- ไม่เป็นไปตามนั้นก็จะเหมาะสมกว่าที่จะใช้การทดสอบที่ไม่ใช่พารามิเตอร์