Ik gebruik voor mijn onderzoek een Likert 5 schaal indeling en ik vroeg me af wanneer het nuttig is om een Normality, Skewness, and Kurtosis check te doen.
Ik heb namelijk een paar hoge kurtosis uitschieters, bijv 2.96, maar ik vraag me af of dit echt een probleem is in mijn data analyse.
Als ik bijvoorbeeld een statement zou geven zoals: My iPhone is ease to use.
Dan vind ik het niet abnormaal dat bijna iedere user een 4/5 rating zou geven. Wat resulteert in een 'abnormale' normaal verdeling, een skewness die naar rechts trekt, en een hoge piek in je Kurtosis.
Maar hoe ga je dan deze hoge waardes verklaren?
Laatste berichten
-
23:25
2013 – Augustus Vraag 3
-
23:07
Rood laserlicht 2
-
23:04
Bruine vlekken op treinaanwijzerbord 5
-
15:28
Vraag 2009 Juli Vraag 5 5
-
12:51
positie 2
-
10:44
Schroefdraad berekening 8
-
24 apr
[scheikunde] Kan chloorgas de geleiding van elektriciteit belemmeren? 9
-
23 apr
Weerfrustratie 9
-
23 apr
geen minkowski-ruimte toch? Doe ik dit nou fout? 15
-
23 apr
do-re-mi-fa-so vliegtuigen 7
-
23 apr
Kunnen quantum Zonnecellen 190% quantum efficiënt zijn 3
-
23 apr
De Euro Nederlandse 100 qubit computer komt eraan
-
23 apr
projectiel 8
-
23 apr
Verschil tussen deze 2 vragen 5
-
23 apr
[scheikunde] berekeningen labo vitamine c bepaling 1
-
22 apr
[wiskunde] rode en witte ballen verdelen 8
-
22 apr
Rotatie van het heelal 41
-
22 apr
Muntje opgooien 14
-
21 apr
Reactiviteit silyl enol ethers 1
-
21 apr
Criterium voor vochtretentie
Nieuwsberichten
-
04 mar
Een nieuw soort magnetisme: altermagnetisme
-
31 okt
AI kan via stem diabetes vaststellen 11
-
21 okt
Einstein krijgt wéér gelijk 45
-
07 feb
witter dan wit 20
-
19 jun
irrigatie en de aardas
Normality, Skewness, and Kurtosis
-
- Berichten: 132
Re: Normality, Skewness, and Kurtosis
Een aantal dingen:
1: Is de 2.96 excess kurtosis? Een standaard normale verdeling heeft namelijk van zichzelf een kurtosis gelijk aan 3. Daarmee zou dit juist erg dicht bij deze theoretische verdeling komen (dichterbij dan ik ik mijn discipline in 90% van de gevallen ben tegengekomen;)
2: De rating van 4/5 zegt niks over skewness of kurtosis. Als iedereen ongeveer 4 / 5 geeft dan is je verwachting of gemiddelde dus gelijk aan 4/5. De standaard afwijking meet de gemiddelde afstand tot dit gemiddelde. De skewness geeft aan hoe de data zich t.o.v het gemiddelde verhoud; ligt er meer massa aan de linkerkant van het gemiddelde of meer rechts. De kurtosis geeft aan hoe waarschijnlijk extreme uitkomsten zijn (uitkomsten ver van het gemiddelde). Die 4/5 is dus puur het gemiddelde, er is gebaseerd op wat hier wordt verteld geen reden om aan te nemen dat daarmee de data om dit gemiddelde skew en kurtosis heeft. Het process hoeft geen gemiddelde van 2.5/5 te hebben om een mooie normaal verdeling te zijn. Echter:
Wat wel problematisch kan zijn is dat het gemiddelde erg hoog tegen het maximum aan ligt, dit kan een negatieve skew geven omdat cijfers als 1/5 erg ver onder de mean liggen (3/5 ervanaf) t.o.v de maximale afstand boven het gemiddeld (1/5)
Het ligt aan het aantal waarnemingen die je hebt gedaan. Er zijn een hoop tests voor normaliteit. Zelf gebruik ik in de meeste gevallen een QQ-Plot en de Jarque-Bera test. Heel af en toe nog wel eens iets als een Kolmogorov-Smirnoff test maar dit is voor veel studies en onderzoeken al meer dan noodzakelijk.
Als de QQ-Plot t.o.v een theoretische normaalverdeling en de Jarque-Bera test niet genoeg aanleiding geven tot niet-normaal verdeelde processen zou ik mij er verder niet te druk om maken.
1: Is de 2.96 excess kurtosis? Een standaard normale verdeling heeft namelijk van zichzelf een kurtosis gelijk aan 3. Daarmee zou dit juist erg dicht bij deze theoretische verdeling komen (dichterbij dan ik ik mijn discipline in 90% van de gevallen ben tegengekomen;)
2: De rating van 4/5 zegt niks over skewness of kurtosis. Als iedereen ongeveer 4 / 5 geeft dan is je verwachting of gemiddelde dus gelijk aan 4/5. De standaard afwijking meet de gemiddelde afstand tot dit gemiddelde. De skewness geeft aan hoe de data zich t.o.v het gemiddelde verhoud; ligt er meer massa aan de linkerkant van het gemiddelde of meer rechts. De kurtosis geeft aan hoe waarschijnlijk extreme uitkomsten zijn (uitkomsten ver van het gemiddelde). Die 4/5 is dus puur het gemiddelde, er is gebaseerd op wat hier wordt verteld geen reden om aan te nemen dat daarmee de data om dit gemiddelde skew en kurtosis heeft. Het process hoeft geen gemiddelde van 2.5/5 te hebben om een mooie normaal verdeling te zijn. Echter:
Wat wel problematisch kan zijn is dat het gemiddelde erg hoog tegen het maximum aan ligt, dit kan een negatieve skew geven omdat cijfers als 1/5 erg ver onder de mean liggen (3/5 ervanaf) t.o.v de maximale afstand boven het gemiddeld (1/5)
Het ligt aan het aantal waarnemingen die je hebt gedaan. Er zijn een hoop tests voor normaliteit. Zelf gebruik ik in de meeste gevallen een QQ-Plot en de Jarque-Bera test. Heel af en toe nog wel eens iets als een Kolmogorov-Smirnoff test maar dit is voor veel studies en onderzoeken al meer dan noodzakelijk.
Als de QQ-Plot t.o.v een theoretische normaalverdeling en de Jarque-Bera test niet genoeg aanleiding geven tot niet-normaal verdeelde processen zou ik mij er verder niet te druk om maken.
-
- Berichten: 467
Re: Normality, Skewness, and Kurtosis
Een Likert schaal is heel strict gezien een ordinale variable waar je non-parametrische testen op toepast. Dus dan heb je de toets op normaliteit etc. niet eens nodig.
