Saya bertanya-tanya apakah ada yang bisa membantu saya dengan informasi tentang Kurtosis (yaitu apakah ada cara untuk mengubah data Anda untuk menguranginya?)
Saya memiliki dataset kuesioner dengan sejumlah besar kasus dan variabel. Untuk beberapa variabel saya, data menunjukkan nilai-nilai kurtosis yang cukup tinggi (yaitu distribusi leptokurtik) yang berasal dari fakta bahwa banyak peserta memberikan skor yang sama persis untuk variabel. Saya memang memiliki ukuran sampel yang sangat besar, jadi menurut teorema limit pusat, pelanggaran normalitas tetap harus baik-baik saja.
Masalahnya, bagaimanapun, adalah fakta bahwa level Kurtosis yang sangat tinggi menghasilkan sejumlah outlier univariat dalam dataset saya. Dengan demikian, bahkan jika saya mengubah data, atau menghapus / menyesuaikan outlier, tingginya tingkat kurtosis berarti bahwa skor paling ekstrim berikutnya secara otomatis menjadi outlier. Saya bertujuan untuk menggunakan (Analisis fungsi diskriminan). DFA dikatakan kuat untuk menyimpang dari normal asalkan pelanggaran itu disebabkan oleh kemiringan dan bukan pencilan. Selain itu, DFA juga dikatakan sangat dipengaruhi oleh pencilan dalam data (Tabachnick & Fidel).
Adakah ide untuk menyiasatinya? (Pikiran awal saya adalah beberapa cara mengendalikan Kurtosis, tetapi bukankah itu semacam hal yang baik jika sebagian besar sampel saya memberikan peringkat yang sama?)