NORMALIZAREA DISTRIBUIILOR

Normalitatea distribuiei datelor este foarte important pentru majoritatea

tehnicilor statistice n care se pornete de la premisa unei distribuii normale.
Cnd acest aspect nu se verific avem la dispoziie dou soluii:
Renunm la aplicarea metodei respective i folosim tehnici non-parametrice;
Transformm datele pentru a normaliza pe ct posibil distribuia.
Distribuiile non-normale ridic probleme diferite: unele distribuii sunt
platicurtice, altele puternic asimetrice pozitiv (nclinate la stnga) sau asimetrice
negativ (nclinate la dreapta). n cazuri grave apar apr att devieri ale boltirii ct i ale
oblicitii.
Asimetrie pozitiv moderat
Rdcina ptrat

Asimetrie negativ moderat

Rdcina ptrat din numrul reflectat
(Atenie: se schimb ordinea scorurilor!)

Asimetrie pozitiv sever

Logaritm natural

Asimetrie negativ sever

Logaritm natural din numrul reflectat

Asimetrie pozitiv extrem (I)

Inversul numrului (1/x)
(Atenie: se schimb ordinea scorurilor!)

Asimetrie negativ extrem (J)

Inversul numrului reflectat
(Atenie: se revine la ordinea iniial a
scorurilor!)

Dup transformare, se obine o normalizare aproximativ a distribuiei, i se pot

folosi orice fel de statistici care au drept premis distribuia normal.
Obs: Singurul lucru care se pierde este unitatea de msur a variabilei
transformate
Ex. Dac venitul exprimat n RON are o distribuie asimetric pozitiv care
necesit logaritmare, valorile transformate reprezentnd venitul vor avea ca unitate de
msur RON logaritmai
n psihologie rezultatele brute la un test nu au o unitate de msur clar, iar
efectul asupra unitii de msur nu exist.
Reflectarea datelor: Se adun 1 la valoarea maxim observat. Din valoarea
obinut se scade fiecare valoare observat. (1 + X max) X
O distribuie platicurtic (aplatizat) se normalizeaz prin radical.
O distribuie leptocurtic ridicarea la ptrat sau la cub, pentru a se mprtia
valorile.

Skewness pozitiv

Skewness negativ

ANALIZA NORMALITII DISTRIBUIEI N SPSS

Coeficienii de asimetrie (Skewness) i de boltire (Kurtosis)

ntr-o distribuie perfect normal aceti coeficieni sunt zero.
Coeficientul de asimetrie exprim gradul de asimetrie a distribuiei unei variabilei
comparativ cu o distribuie normal:

valori negative ale Skewness indic o asimetrie negativ,

valori pozitive ale Skewness indic o asimetrie pozitiv.

Coeficientul de boltire exprim gradul de grupare a observaiilor n jurul valorii

centrale.

Cnd coeficientul Kurtosis este mai mare ca zero, curba este mai boltit (nalt);

Cnd coeficientul Kurtosis este mai mic dect zero curba este mai puin boltit
comparativ cu cea a unei distribuii normale.
Calcularea acestor coeficieni, precum i erorile lor standard, n SPSS:
Calea n SPSS este: Analyze Descriptive Statistics Explore.

Trecem variabila comportament prosocial n cmpul Dependent List, apoi activm

butonul Plots iar aici selectm opiunea Normality plots with tests, click Continue i click
OK.

Rezultatele relevante se regsesc n tabelele Descriptives i Tests of Normality de

mai jos. Din tabelul Descriptives ne vor interesa coeficienii Skewness i Kurtosis i
erorile lor standard.
Descriptives
comportament prosocial

Mean
95% Confidence
Interval for Mean
5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis

Lower Bound
Upper Bound

Statistic
54,37
53,33

Std. Error
,53

55,40
54,37
55,00
55,248
7,43
32
75
43
10,75
-,054
-,133

,172
,342

Metode de testare a normalitii distribuiei

1. Dac

Skewness 1

sau

Skewness 0.80

, distribuia difer de o

distribuie normal (Morgan, Leech, Gloeckner & Barrett, 2004).

2. Transformarea coeficienilor Skewness i Kurtosis n note z.
Unii cercettori (Field, 2000, Leech, Barrett &

Morgan, 2005) recomand

transformarea celor doi coeficieni n note z, astfel:

z skewness

S 0
SE skewness

z kurtosis

K 0
SE kurtosis

Dac una dintre notele z astfel obinute n valoare absolut este mai mare dect
1.96 (pentru eantioane mici) sau 2.58 (pentru cazul unor eantioane mari), atunci
distribuia difer semnificativ de o distribuie normal.
Problema n acest caz este c eroarea standard a asimetriei (SE) depinde de
mrimea eantionului, iar n cazul unor eantioane foarte mari de cele mai multe ori am
putea trage concluzia (greit) c variabile nu sunt normal distribuite. n cazul datelor

noastre,

z skewnees

.054
.133
.313
z kurtosis
0.388
.342
.172
i
; prin urmare variabila este

normal distribuit.

3. Luarea n calcul a erorii standard pentru Skewness i Kurtosis

ntr-o distribuie normal,
Skewness [-2SESkewness ,2 SESkewness ] (pentru o precizie de 95%)

Skewness [-1SESkewness ,1SESkewness ]

(pentru o precizie de 99%)

i la fel i pentru Kurtosis
Kurtosis [-2SE Kurtosis ,2SE Kurtosis ] (pentru o precizie de 95%)

Kurtosis [-1SE Kurtosis ,1SE Kurtosis ] (pentru o precizie de 99%).

Dac aceti coeficieni nu aparin intervalelor menionate, atunci distribuia difer
semnificativ de o distribuie normal!

4. Testul Kolmogorov-Smirnov pentru un eantion

Acest test compar distribuia scorurilor variabilei pe eantion cu o distribuie
normal avnd aceeai medie i deviaie standard. Dac rezultatul la acest test este
nesemnificativ statistic (p > .05), atunci distribuia variabilei pe eantion nu difer
semnificativ de o distribuie normal i prin urmare variabila este normal distribuit.
Calea n SPSS este: Analyze Nonparametric tests 1-Sample K-S.

Trecem variabila comportament prosocial n cmpul Test Variable List, bifm

opiunea Normal i click OK.

Rezultatele la testul Kolmogorov-Smirnov sunt prezentate n tabelul One-Sample

Kolmogorov-Smirnov Test. Observm c rezultatul la testul K-S este nesemnificativ
statistic, z = .757, p = .616, prin urmare distribuia variabilei comportament prosocial nu
difer semnificativ de o distribuie normal. Inspectnd i repartizarea scorurilor sub
forma unei histograme constatm c distribuia scorurilor urmeaz o distribuie normal.
One-Sample Kolmogorov-Smirnov Test

N
Normal Parameters a,b
Most Extreme
Differences

Mean
Std. Deviation
Absolute
Positive
Negative

Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)

comportame
nt prosocial
200
54,37
7,43
,054
,040
-,054
,757
,616

a. Test distribution is Normal.

b. Calculated from data.

5. Testul Shapiro-Wilk
i acest test verific normalitatea unei distribuii, fiind asemntor testului
Kolmogorov-Smirnov. n general, testul Shapiro-Wilk este mai puternic dect testul
Kolmogorov-Smirnov (Field, 2000, Iacobucci, D., 2001).
Testul Shapiro-Wilk este disponibil doar n programele SPSS aparute dup
varianta 10.0. Calea n SPSS este: Analyze Descriptive Statistics Explore.

Trecem variabila comportament prosocial n cmpul Dependent List, apoi activm

butonul Plots iar aici selectm opiunea Normality plots with tests, click Continue i click
OK.

n tabelul Tests of Normality sunt prezentate rezultatele la testele Shapiro-Wilk (SW) i Kolmogorov-Smirnov (K-S); acestea trebuie s fie nesemnificative statistic (p > .
05) pentru ca variabila s fie normal distribuit n populaie. Observm c rezultatul la
testul K-S este K-S (200) = .054, p = .200 iar rezultatul la testul S-W este S-W (200) = .

995, p = .914. Cum rezultatele la ambele teste sunt nesemnificative statistic rezult c
variabila este normal distribuit.

Tests of Normality
a

comportament prosocial

Kolmogorov-Smirnov
Statistic
df
Sig.
,054
200
,200*

Statistic
,995

Shapiro-Wilk
df
200

Sig.
,814

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction