Box-Cox-Transformation
In diesem Beitrag
Was versteht man unter der Box-Cox-Transformation?
Die Box-Cox-Transformation ist eine parametrische Datentransformation, die 1964 von den Statistikern George Box und David Cox entwickelt wurde. Ihr Ziel ist es, nicht-normalverteilte, rechtsschiefe oder heteroskedastische Daten so umzuformen, dass sie den Annahmen linearer Modelle besser genügen – insbesondere der Normalverteilung und der Varianzhomogenität (Homoskedastizität).
Die allgemeine Formel der Box-Cox-Transformation lautet:
Box-Cox-Formel
Dabei ist der zu transformierende Wert (muss positiv sein) und der Transformationsparameter, der so gewählt wird, dass die resultierende Variable möglichst normalverteilt ist. Typische Sonderfälle sind:
- λ = 1: Keine Transformation (Identität)
- λ = 0: Natürlicher Logarithmus ()
- λ = 0,5: Wurzeltransformation ()
- λ = −1: Kehrwerttransformation ()
Das optimale wird üblicherweise durch Maximum-Likelihood-Schätzung ermittelt – die meisten Statistiksoftwarepakete (R, Python, SPSS) übernehmen diesen Schritt automatisch.
Warum ist die Box-Cox-Transformation für statistische Analysen wichtig?
Viele klassische Verfahren wie die lineare Regression, ANOVA oder t-Tests setzen voraus, dass Residuen normalverteilt und Varianzen homogen sind. In der Praxis sind diese Annahmen häufig verletzt – etwa bei Einkommensdaten, Reaktionszeiten oder biologischen Messwerten, die typischerweise eine rechtsschiefe Verteilung aufweisen. Die Box-Cox-Transformation hilft, diese Verletzungen zu beheben und damit die Validität der Analysen zu sichern.
Gegenüber einfachen Alternativen wie der reinen Log-Transformation hat sie einen entscheidenden Vorteil: Das optimale λ wird datengesteuert bestimmt, statt willkürlich festgelegt zu werden. Das macht die Methode flexibler und in vielen Situationen geeigneter.
Praxisbeispiel zur Box-Cox-Transformation
Eine Forscherin untersucht, welche Faktoren das monatliche Nettoeinkommen von Beschäftigten erklären. Sie möchte eine lineare Regression durchführen, stellt aber fest, dass die Einkommensvariable stark rechtsschief verteilt ist: Die meisten Personen verdienen zwischen 1.500 und 3.000 Euro, einige wenige jedoch über 15.000 Euro.
Ein Shapiro-Wilk-Test bestätigt die Abweichung von der Normalverteilung. Sie wendet daher die Box-Cox-Transformation an. Ihre Software ermittelt ein optimales λ von etwa 0,2.
| Originaleinkommen (€) | Transformierter Wert |
|---|---|
| 1.500 | 6,07 |
| 3.000 | 7,00 |
| 6.000 | 8,07 |
| 15.000 | 9,48 |
Man sieht: Die ursprünglich großen Abstände zwischen den Extremwerten werden deutlich gestaucht. Die transformierten Werte liegen viel enger beieinander, die Verteilung ist symmetrischer. Ein erneuter Test der Residuen nach der Regression zeigt nun keine signifikante Abweichung von der Normalverteilung mehr – die Voraussetzung ist erfüllt und die Regressionsergebnisse sind belastbar.
