R 使非正常数据正常化

我有一个包含两个变量（态度和再购买意愿）的数据集，我想分别检查它们的正态性。 我在SPSS和R中取了log、Ln和平方根，但仍然是非正常数据，也进行了正态性测试，但这对我没有好处，因为我想知道如何使数据正常化。 所以我发现很难进行进一步的分析。

---

请帮忙

我不确定这是否能回答您的问题。 要强制向量的分布尽可能接近标准正态分布，同时保留相对排名，可以对其应用此函数：

quantNorm = function(x){qnorm(rank(x,ties.method = "average")/(length(x)+1))}

示例代码：

hist(quantNorm(1:10000),100)

---

尝试将标准化为

log（c+x）

其中

x

是变量，

c

是某个常量值。您可以尝试使用网格搜索找到最佳的

c

值。

如果没有看到数据，谁能提供帮助？使用“dput（yourdata）”并在此处发布输出。此外，这篇文章可能会帮助你：你为什么想要这个？a）这不是一个编程问题，因此与Stackoverflow无关。b） 如果你的数据不正常，那就是不正常。要么使用对破坏正态性具有鲁棒性的测试，要么最好使用非参数或其他不需要正态性的方法。@AndreyShabalin:这种正态化方法有什么名字吗？正态分位数正态化或正态分位数变换。