数据一部分为正态分布，一部分为非正态分布怎么比较显著性差异 可以应用变量变换的方法，将不服从正态分布的资料转化为非正态分布或近似正态分布。常用的变量变换方法有对数变换、平方根变换、倒数变换、平方根反正玄变换等，应根据资料性质选择适当的变量变换方法。1、对数变换 即将原始数据X的对数值作为新的分布数据：X’=lgX当原始数据中有小值及零时，亦可取X’=lg（X+1）还可根据需要选用X’=lg（X+k）或X’=lg（k-X）对数变换常用于（1）使服从对数正态分布的数据正态化。如环境中某些污染物的分布，人体中某些微量元素的分布等，可用对数正态分布改善其正态性。（2）使数据达到方差齐性，特别是各样本的标准差与均数成比例或变异系数CV接近于一个常数时。2、平方根变换 即将原始数据X的平方根作为新的分布数据。X’=sqrt（X）平方根变换常用于：1）使服从Poission分布的计数资料或轻度偏态资料正态化，可用平方根变换使其正态化。2）当各样本的方差与均数呈正相关时，可使资料达到方差齐性。3）倒数变换 即将原始数据X的倒数作为新的分析数据。X’=1/X常用于资料两端波动较大的资料，可使极端值的影响减小。4、平方根反正旋变换 即将原始数据X的平方根反正玄值做为新的分析数据。X’=sin-1sqrt（X）常用于服从二项分布的率。
含有0的非正态数据怎么转换成正态的进行回归分析啊？ 想请教一个问题，在做生源结构各因素与科研成果的关系，因变量是科研成果得分，1500个样本里面接近400个…
非正态分布，多组数据之间比较，用什么统计学方法？ 非参数检验单样本中位数检验（符号检验和 Wilcoxon 检验）双样本中位数检验（Mann-Whitney 检验）方差分析（Kruskal-Wallis、Mood 中位数和 Friedman 检验
