Johnson 变换

Johnson 变换是一种统计技术,可将非正态数据转换为近似正态分布,使其适用于要求正态性的统计分析。它使用三种分布类型——SU(无界)、SB(有界)和 SL(对数正态)——根据数据特征确定拟合最佳的变换。

最后审阅

核心要点

Johnson 变换是一种统计技术,可将非正态数据转换为近似正态分布,使其适用于要求正态性的统计分析。

本页内容
  1. 什么是 Johnson 变换?
  2. 何时使用 Johnson 变换?
  3. 正确使用 Johnson 变换的指南
  4. 替代方法:何时不宜使用 Johnson 变换
  5. Johnson 变换示例
  6. 如何进行 Johnson 变换

什么是 Johnson 变换?

Johnson 变换是一种统计技术,可将非正态数据转换为近似正态分布,使其适用于要求正态性的统计分析。它使用三种分布类型——SU(无界)、SB(有界)和 SL(对数正态)——根据数据特征确定拟合最佳的变换。该变换由 Norman L. Johnson 提出,广泛应用于质量控制和过程能力研究。统计软件通常会自动完成 Johnson 变换过程,有助于准确解读非正态数据。

何时使用 Johnson 变换?

Johnson 变换在以下情形中很有用:

  1. 非正态数据:当数据不服从正态分布,尤其是存在极端偏度或峰度时。
  2. 过程能力分析:在质量控制中,需要要求数据服从正态分布的准确能力指数(如 Cp、Cpk)时。
  3. 控制图:当非正态数据影响控制图的准确性时,该变换可提高控制图的灵敏度。
  4. 要求正态性的统计检验:对于 ANOVA 或 t 检验等假定正态性的检验,Johnson 变换有助于满足这一假设。
  5. 有界数据:对于一侧或两侧有界的数据,如百分比或计数,Johnson 变换可有效地使数值正态化。

它常用于质量管理、制造业和 Six Sigma 项目。

正确使用 Johnson 变换的指南

  • 数据应为连续型,即在连续刻度上的指定范围内可取任意数值的测量值,包括分数和小数。典型例子包括长度、重量和温度等变量。

替代方法:何时不宜使用 Johnson 变换

  • 若要对非正态数据使用 Johnson 变换进行正态能力分析而不存储变换后的值,可直接在 Normal Capability Analysis 中选择 Transform 选项。如果更倾向于使用 Box-Cox 变换(例如用于控制图或 Individual Distribution Identification),该方法简单直观,但仅限于全为正值的数据。另外,如果无需对数据进行变换,可使用 Individual Distribution Identification 选项,直接将数据拟合到非正态分布。

Johnson 变换示例

一家营养补充剂公司的质量工程师希望评估维生素胶囊中的钙含量。工程师随机抽取了一批胶囊样本并测量其钙含量。根据以往的观察,工程师知道数据分布呈右偏。

为此,工程师应用 Johnson 变换使数据正态化,并将变换后的值保存在工作表中以供进一步分析。步骤如下:

  1. 收集所需数据。
Johnson Transformation — figure 1
  1.  现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
  2.  要找到 Johnson 变换,请选择 Statistical module> Control Charts>Johnson Transformation。
  3.  在工具中输入数据及其他输入项,如下所示:
Johnson Transformation — figure 2

5. 使用上述工具后,得到如下输出:

Johnson Transformation — figure 3Johnson Transformation — figure 4

如何进行 Johnson 变换

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> Control Charts >Johnson Transformation。
  3. 点击 Johnson Transformation,进入工具界面。
  4. 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
  5. 接下来,需要填写必要的选项。
  6. 最后,点击页面底部的 calculate,即可得到所需结果。

Johnson 变换的工具界面分为两部分。

Johnson Transformation — figure 5

左侧为数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。可以手动输入数据,也可以从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。

Load example: 将加载示例数据。

Load File: 用于直接加载 Excel 数据。

右侧提供以下选项:

  • Subgroup Columns: 根据所给数据选择相应的列(属性名称)。
  • P-value to select best fit: 输入 0 到 1 之间的值,作为变换前后检验数据正态性的显著性水平。显著性水平越高,对正态性的判定标准越严格,值越低则标准越宽松。评估分布拟合时,通常使用 0.05 或 0.10 的 alpha 水平。

常见问题

什么是 Johnson 变换?

Johnson 变换将非正态数据转换为近似正态分布,使其可用于要求正态性的分析。它使用三种分布类型,即 SU(无界)、SB(有界)和 SL(对数正态),为数据找到拟合最佳的变换。该变换由 Norman L. Johnson 提出,广泛应用于质量控制和过程能力研究。

何时应使用 Johnson 变换?

在以下情形中使用:数据不服从正态分布,尤其是存在极端偏度或峰度时;需要 Cp 和 Cpk 等要求数据正态的能力指数时;非正态数据影响控制图的准确性时;使用 ANOVA 或 t 检验等假定正态性的检验时;以及数据在一侧或两侧有界时。数据应为连续型。

Johnson 变换与 Box-Cox 变换有什么区别?

Box-Cox 变换简单直观,但仅限于全为正值的数据。Johnson 变换则在 SU、SB 和 SL 族中选择,以拟合数据。如果无需变换,可改用 Individual Distribution Identification,直接将数据拟合到非正态分布。

应使用什么 p 值来选择最佳的 Johnson 拟合?

P-value to select best fit 取 0 到 1 之间的值,设定变换前后检验正态性的显著性水平。值越高,对正态性的判定标准越严格,值越低则越宽松。评估分布拟合时,通常使用 0.05 或 0.10 的 alpha 水平。