การแปลงข้อมูล data transformation

Report
การแปลงข้ อมูล
data transformation
พีระพงษ์ แพงไพรี
ข้ อมูล
ตรวจสอบข้ อกาหนด
Yes
วิเคราะห์
สรุ ปผล
No
แปลงข้ อมูล
Non
parametric
Normality
Independent
error
ข้ อกาหนดของ
ANOVA
Additive model
Homogeneity
variance
การแปลงข้ อมูล
• ตรวจสอบความสัมพันธ์ ระหว่ าง Var. กับ trt. Mean
• เทคนิคของ Regression
• สมการ Box and Cox
ตรวจสอบความสัมพันธ์ ระหว่ าง Var. กับ trt. Mean
เหตุการณ์
การแปลงข้ อมูล
2  
Y หรื อ Y+1 กรณี Y มีคา่ = 0
Log(Y) หรื อ Log(Y+1)
Arcsin(Y)
1/Y หรื อ 1/(Y+1)
Log(Y)
Log(Y)
2  2
2  (1-)
2  4
Multiplicative model
Residual proportional to Y
รูปแบบคาสั่ง
output
2  
เทคนิคของ Regression
2  q หรื อ 2 = kq
เมื่อใส่ ค่า log ทัง้ สองข้ าง
Log(2) = log(k) + q*log()
จะสามารถแปลงข้ อมูลได้ ดงั นี ้
Y* = Y(1-q/2) เมื่อ q ≠ 2
Y* = ln(Y) เมื่อ q = 2
Y* = arcsin(Y) เมื่อ q = 2 ข้ อมูลเป็ น % หรื อ binomial
รูปแบบคาสั่ง
output
Y = Y(1-0.89/2) = Y0.56
สมการ Box and Cox
• ใช้ หลักการประเมินค่า power ด้ วยวิธี maximum likelihood
Y* = (Y-1)/
Y* = ln(Y)
เมื่อ  ≠ 0
เมื่อ  = 0
จากนันหาค่
้
า ที่ทาให้ คา่ log likelihood มีคา่ สูงสุด
L = -n/*ln[(Y*-Y*)2/n] + (-1)ln(Y)
q = -0.2
Y* = (Y-0.2-1)/-0.2
สรุ ป

similar documents