Was bedeutet es wenn die Daten nicht normalverteilt sind?
Nicht normal verteilte Daten können gerade bei kleineren Stichproben parametrische Tests ungültig werden lassen. Um für eine z-Transformation SPSS zu nutzen sollten in jedem Fall normal verteilte Daten vorliegen. In allen Fällen kann eine Transformation oft schnell Abhilfe schaffen.
Was tun wenn meine Daten nicht normalverteilt sind?
Viele Statistiker empfehlen, direkt zu einem non-parametrischen Verfahren überzugehen, sobald man merkt, dass die Daten nicht normalverteilt sind (oder eine der anderen Voraussetzungen verletzt wird). Diese strenge Meinung gilt allerdings als weitestgehend überholt.
Wie prüft man auf Normalverteilung?
Um deine Daten analytisch auf normal Verteilung zu prüfen, gibt es verschiedene Test verfahren, die bekanntesten sind der Kolmogorov-Smirnov Test, der Shapiro- Wilk Test und der Anderson Darling Test. Mit all diesen Tests prüfst du die Nullhypothese, dass deine Daten normalverteilt sind.
Wann ist es sinnvoll Daten zu Logarithmieren?
Prädiktoren werden logarithmiert, wenn sie nicht normalverteilt sind oder grosse Unterschiede in den Zahlen enthalten. Ein typisches Beispiel ist das BIP, bei dem es Sinn macht, den Logarithmus zu nehmen. Beim Beispiel von oben wurde das BIP pro Kopf logarithmiert. Die Regression ergab ein Beta von 0.096.
Was sind nicht parametrische Daten?
Nicht-parametrisch meint, dass das Testverfahren ganz unabhängig von der Verteilung der Daten durchgeführt werden kann. Die Daten können normalverteilt, aber auch linkssteil oder rechtssteil sein. Nicht-parametrische Verfahren heißen deshalb ebenfalls verteilungsfreie Verfahren.
Wann Logarithmieren bei Regressionsanalyse?
Warum Variablen transformieren?
Ein weitere Grund um Daten zu transformieren wäre, wenn der Zusammenhang zwischen zwei Variablen nicht linear ist oder keine Homoskedastizität (Varianzgleicheit) besteht. Die Formel in SPSS dafür wäre VARIABLE ** 2 , wobei VARIABLE wieder durch den Namen der Variable ersetzt werden muss, die transformiert werden soll.