数据分析中的对数转换和意义.pdfVIP

• 42 • 上海精神医学 2014年第26卷第2期 • 精神医学中的生物统计学 (20)• 数据分析中的对数转换和意义 1 1 1 1 2 1 冯常勇 *, 王弘越 , Naiji LU , Tian CHEN, Hua HE , Ying LU , 屠心铭 摘要：对数转换的方法在生物医学和社会心理研究中处理非正态数据时被广泛应用。本文重点介绍该传统 方法在处理非正态数据时存在的严重问题。尽管通常认为对数转换可以减少数据的变异性，使数据更符合 正态分布，但是通常并非如此。此外，对数转换后的数据得出的标准统计测试结果往往和未转化的原始数 据不相关。我们通过使用模拟数据示例来说明这些问题。我们认为如果采用数据转换，必须非常谨慎应用。 我们建议研究者在大多数情况下摒弃这些处理非正态数据的传统方法，选择采用较新的不依赖于数据分布 的方法：如广义估计方程（GEE）。 关键词：假设检验，离群值，对数正态分布，正态分布，偏度 1. 背景 2. 对数转换 对数转换是一种广为使用的处理偏态数据的方法， 2.1 使用对数转换使数据服从正态分布 也是在生物医学及社会心理学研究中最常使用的方法 正态分布在基础和临床研究中是常用对连续变量 之一。因此，很多主流的统计软件都包括这种功能， 建模的方法。不巧的是，对称的钟型分布并常常不能 包括 ， 和 。不幸的是，对数转化的普及 SAS Splus SPSS 准确地描述从研究项目中观察到数据。非常常见的情 很多时候造成了错误使用——有时甚至被统计学家误 况是，从真实研究中呈现出的数据是偏态的，以至于 用，以致对实验结果得出不正确的阐释 [1] 。此类的误 运用标准的统计学分析只能得到无效的结果。现在已 用和错误阐释并不在只在对数转换中存在，而在很多 有许多检验观察数据是否服从正态分布的方法。当连 常用的统计方法中都存在。举例来说，两样本 t 检验 续变量的数据不服从正态分布的时候，数据转换常常 是广为使用的对比两个正态分布（或接近于正态分布） 被用来使数据尽量接近正态分布从而增加相关统计分 独立样本均数的检验，但是许多研究者将其关键性的 析方法的效度。而对数转换可能是将偏态数据转换为 假设视为默认，在使用 t 检验的时候不检查甚至不承 接近正态分布的最常见转换方法的一种。 认这个潜在的假设。另一个例子是在生存分析中使用 的 Cox 回归中，许多研究在应用这个常用模型的时候 如果原始数据服从或近似于服从对数正态分布， 甚至没有意识到模型得出有效的推断要求的均衡性假 那么数据经过对数转换后服从或近似于服从正态分布。 设（比如关注的研究组的相对风险水平不随时间的变 在这种情况下，对数转换确实能消除或者减少数据偏 化而变化）。 态带来的问题。但不幸的是，从很多研究中得到的数 据并不近似于对数正态分布，所以应用对数转换并不 在这篇文章中，我们关注了对数转换并讨论了在 能减少数据本身的偏态。而事实上，在某些情况下应 现实中使用这种方法的主要问题。我们通过举例和模 用对数转换甚至会使数据分布比原始分布更为偏态。 拟的数据来说明对数转换有时并没有解决想要解决的 问题（例如原始数据不是正态分布）并阐明使用这种 为了证明这是可能发生的，我们首先模拟了一个 转换可能引入的新的问题，而有时新的问题甚至比数 均匀分布在 0 到 1 之间