Kan ik de normaliteitsassumption aannemen bij een fat tail?

Ik heb bij mijn statistische analyze na transformatie een fat tail gevonden, alle andere tests zoals de KS-test en histogram laten wel normaliteit zien? Kan ik normaliteit aannemen of moet ik wat doen? Zie plaatje

Weet jij het antwoord?

/2500

Het lijkt erop dat het aantal observaties in die range niet zo groot is (de grafiek loopt een beetje dicht), dus moeilijk te zeggen, maar ik denk dat je inderdaad gewoon normaliteit aan kunt nemen gezien het geringe aantal observaties/punten in de afwijkende range. De niet normaliteit zal daarom nauwelijks of geen invloed hebben op je resultaten. Misschien zou je in de conclusies moeten aangeven da het model uitstekend is, maar niet helemaal symmetrisch in de extremen. (geen flat tail , maar een geringe negative skew). Je kunt negative skew fiksen door de data te spiegelen (aftrekken van de maximale waarde), zodat je positive skew krijgt en dan de wortel of de logaritme te nemen. Waarschijnlijk raak je dan van de regen in de drup, maar het is leuk om even te proberen, als je toch met SPSS bezig bent. Omdat de andere numerieke testen geen significante afwijkingen laten zien kun je normaliteit aannemen. Een verdeling met duidelijke negative skew zou namelijk meer een curve laten zien, terwijl de data voor een groot gedeelte de rechte lijn precies volgen. Een probleem met fat tails is dat risico's kunnen worden onderschat bij een normale distributie is een afwijking van meer dan 5 standaardafwijkingen hoogst uitzonderlijk, maar die mogelijkheid wordt een stuk waarschijnlijker bij fat tailed verdelingen. In risico management is het dus gevaarlijk om normaliteit aan te nemen (orkanen, overstromingen, het aantal bacterien dat na koken in een blikje achterblijft, extreme economische omstandigheden), omdat risico's op calamiteiten dan worden onderschat.

Stel zelf een vraag

Ben je op zoek naar het antwoord die ene vraag die je misschien al tijden achtervolgt?

/100