如何在 Excel 中转换数据（对数、平方根、立方根）

许多统计检验都假设数据集呈正态分布。

然而，这一假设在实践中经常被违反。解决此问题的一种方法是使用以下三种转换之一来转换数据集中的值：

1. Log变换：将y值变换为log(y) 。

2. 平方根变换：将y值变换为√y 。

3.立方根变换：将y值变换为y 1/3 。

通过执行这些变换，数据通常接近正态分布。以下示例展示了如何在 Excel 中执行这些转换。

要将对数转换应用于 Excel 中的数据集，我们可以使用=LOG10()函数。

以下屏幕截图显示了如何对 Excel 中的数据集应用对数转换：

为了确定这种转换是否使数据集更加正态分布，我们可以在 Excel 中执行 Jarque-Bera 正态性检验。

该检验的检验统计量定义为：

JB =(n/6) * (S 2 + (C 2 /4))

金子：

在正态性原假设下， JB~ X 2 (2)。

如果对应于检验统计量的p 值低于一定的显着性水平（例如 α = 0.05），那么我们可以拒绝零假设并得出数据不呈正态分布的结论。

以下屏幕截图显示了如何对原始数据和转换后的数据执行 Jarque-Bera 测试：

请注意，原始数据的 p 值小于 0.05，表明它不呈正态分布。

然而，变换后数据的 p 值不小于 0.05，因此我们可以假设它是正态分布的。这告诉我们对数转换有效。

要将平方根转换应用于 Excel 中的一组数据，我们可以使用=SQRT()函数。

以下屏幕截图显示了如何对 Excel 中的数据集应用平方根转换：

请注意，转换数据的 Jarque-Bera 正态性检验的 p 值不小于 0.05，表明平方根转换是有效的。

要将立方根变换应用于 Excel 中的一组数据，我们可以使用=DATA^(1/3)函数。

以下屏幕截图显示了如何对 Excel 中的数据集应用立方根变换：

转换数据的 Jarque-Bera 正态性检验的 p 值不小于 0.05，表明立方根转换是有效的。

这三种数据变换有效地使原始数据更加服从正态分布。

在这三种变换中，对数变换在 Jarque-Bera 正态性检验中产生最高的 p 值，这告诉我们，它可能使数据成为三种方法变换中“最”正态分布的数据。

如何在 Excel 中执行 Box-Cox 转换统计学中的正态性假设是什么？

大家好，我是本杰明，一位退休的统计学教授，后来成为 Statorials 的热心教师。 凭借在统计领域的丰富经验和专业知识，我渴望分享我的知识，通过 Statorials 增强学生的能力。了解更多