Normalisation de Box-Cox

Bonjour, je dispose d'un logiciel professionnel qui permet d'appliquer la normalisation de Box-Cox automatique pour enchaîner sur des analyses multivariées nécessitant que les variables explicatives suivent une loi normale.

A coté de ça, je cherche à retrouver les mêmes résultats que ce logiciel mais avec SAS (proc TRANSREG). Mais voilà où ça coince, j'obtiens globalement les même résultats à 0.01 près mais pour certaines variables, j'obtiens un écart un peu plus important (pour le moment soit la différence est de 0.01 soit de 0.03...).

Je viens sur le forum R dans l'espoir de trouver une personne qui a un programme R bien rôdé pour faire ce type de normalisation, lui demander s'il peut le faire tourner sur le jeu de données ci-dessous et me dire quel lambda de Box-Cox sa fonction lui renvoie.

(séparateur = tabulation = "\t")

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230

Y X 1 53.4 2 29.9 2 53.4 1 37.3 1 28.8 2 34.4 1 51.0 2 52.3 2 25.1 2 13.1 1 51.1 2 39.0 1 26.1 2 35.6 1 45.3 1 46.1 2 38.3 1 53.1 1 27.9 2 45.6 2 27.7 1 41.1 2 44.5 1 10.6 1 30.6 2 18.2 1 29.2 1 31.3 2 30.7 1 26.7 1 37.4 2 15.6 2 51.9 2 45.4 2 31.6 1 25.4 1 24.3 2 22.7 1 19.2 2 30.4 1 18.7 2 30.6 1 15.7 2 39.9 2 26.9 2 32.6 1 29.1 1 19.1 2 20.9 1 27.8 2 12.6 2 17.6 2 35.9 2 21.3 1 13.7 1 13.7 2 41.8 1 16.5 2 16.6 1 23.9 2 13.5 1 53.6 2 41.5 1 25.7 1 22.1 1 24.0 1 15.8 1 45.3 2 32.3 1 20.8 1 45.3 1 44.6 2 22.5 1 23.2 1 28.0 1 40.7 1 40.0 2 42.7 2 34.2 1 31.2 1 41.1 1 24.6 1 36.4 1 29.3 1 23.5 1 42.8 1 26.1 2 30.5 1 22.3 1 17.3 1 40.5 1 28.7 1 21.9 1 25.9 1 25.4 1 19.0 1 20.1 2 30.0 1 12.2 1 25.4 1 32.7 1 23.8 1 30.5 2 18.2 2 19.8 1 16.5 1 32.0 1 62.7 1 30.3 2 42.7 1 30.2 2 27.0 2 35.7 1 31.5 2 77.5 1 37.0 2 31.5 1 49.1 2 42.6 2 20.4 2 35.1 1 29.7 1 50.6 1 40.4 1 28.1 2 44.9 2 54.0 1 23.4 1 36.3 1 22.3 2 23.4 1 36.2 1 25.6 1 34.0 1 41.9 2 14.6 1 10.5 1 28.7 1 24.2 2 27.7 2 17.6 1 31.7 1 25.9 1 34.1 2 25.7 1 31.9 2 23.7 1 33.1 1 19.8 1 34.5 1 15.6 1 13.2 1 26.9 1 17.7 1 12.2 1 25.0 1 18.6 1 20.1 1 29.8 1 36.6 1 39.4 1 38.5 1 23.8 1 32.3 1 30.1 1 26.0 1 36.7 2 17.2 1 14.5 2 15.7 1 36.0 1 14.0 1 3.6 1 29.2 2 33.5 1 7.7 2 32.8 1 14.1 1 18.2 1 31.0 1 19.6 2 15.2 1 12.8 2 25.5 1 15.3 1 16.4 2 33.1 2 32.0 2 20.1 2 24.9 1 18.6 2 36.4 2 28.4 1 14.2 1 13.9 1 20.0 2 23.0 2 37.6 1 21.4 1 36.1 2 22.7 1 24.4 1 10.6 2 54.0 2 29.5 1 6.8 1 10.0 1 13.5 1 13.8 1 25.4 1 9.8 2 5.6 1 8.0 2 113.8 1 20.6 1 12.9 1 23.3 1 35.0 1 8.0 1 7.1 1 14.5 1 13.4 1 30.3 1 10.8 1 19.9 2 13.4 2 18.3 2 8.7

---

J'aurais volontier demandé une fonction R mais mon souci c'est que j'aimerais m'affranchir de tout mauvais paramétrage par méconnaissance de la fonction.

Le paramètre lambda_SAS = 0.37
lambda_AUTRE = 0.34

En vous remerciant d'avance.

Bon, habituellement, il est préférable de faire soi même les analyses, le forum est fait pour entraider, pas faire le travail à la place des autres...
Mais ce soir, je suis de bonne humeur :)

Pour la doc, perso j'aime bien de tutoriel de l'auteur de tanagra : http://eric.univ-lyon2.fr/~ricco/cou..._Normalite.pdf (chapitre 4 pour la transformation box-cox). Tu y trouveras aussi un exemple d'analyse avec tanagra

Pour R, il suffit d'utiliser la fonction boxcox du paquet MASS : http://stat.ethz.ch/R-manual/R-patch...ml/boxcox.html

Code:

---

boxcox(d$X~d$Y, lambda = seq(0, 0.7, length = 100))

---

http://www.developpez.net/forums/att...1&d=1298502475

Le code suivant :

Code:

---

1 2	lambda <- boxcox(d$X~d$Y, lambda = seq(0, 0.7, length = 10000), plotit=F) lambda$x[which.max(lambda$y)]

---

donne un lambda de 0.34303.
Ensuite, tout dépend du modèle utilisé dans SAS. Il faudrait voir la documentation en détail pour connaître les paramètres par défaut.

Salut et merci de ta réponse, je te rassure je suis pas du genre à demander à ce qu'on fasse le travail pour moi juste que je suis depuis 2 semaines sur ce problème et je sais plus quoi faire pour retrouver la même chose avec mon logiciel pro et SAS.

Donc déjà je m'étais trompé, en effet SAS me renvoi 0.34 et non 0.37, j'ai inversé.

Bon ça me conforte dans SAS mais pas dans mon logiciel pro que ma boîte utilise depuis des lustres...

Bref, pas rassurant tout ça... :cry:

Encore merci pour ton coup d'pouce!

Ce n'est pas étonnant, pour des raisons de facilité d'utilisation, beaucoup de logiciels d'analyse ne donnent pas accès à tous les paramètres des fonctions et on a parfois des résultats différents, sans qu'il soit possible d'expliquer cette différence. Il faut poser la question au support logiciel.
Lecture intéressante aussi : l'auteur de tanagra (celui qui a écrit le pdf sur les tests de normalité) réalise des comparaisons entre une même méthode implémentée dans différents logiciels, c'est très instructif.

Bonne continuation