关于数据非正态分布的处理

我在检验数据是否正态分布的时候发现每一观察变量都非正态，大部分变量的偏度和峰度都没有超过1，但是有几个偏度和峰度比较大，请问我要对数据进行正态化吗？ML可以处理非正态数据，但是如果偏度 峰度比较大 会对结果有影响么？如果处理的话，我是要处理全部数据还是对偏度和峰度超过1的数据进行处理？我的样本有195个。

恳请牛人指教！多谢^^

you can use box-cox transform function to make your data be a normal distribution

用个体分布标示看看数据服从哪些已知的非正态分布如指数分布等

或者通过个体分布标识查看数据采用哪种转换可以转换成正态。（Box-Cox转换或Johnson变换。）

如果还有问题只好标准化

minitab 软件中有、个体标识检验、Johnson转换等方法可以试用

结构方程模型的分析数据应该是正态分布的。只有正态的数据分析的结构才有可信度

如果用mplus换个estimator就可以，先将非正态的数据定义为categorical，然后用给予categorical的estimator, 我一般使用WLSMV方法