Descriptive-Statistics
為什麼在使用具有正值和負值的數據時變異係數無效？
我似乎無法為我的問題找到明確的答案。
我的數據由幾個圖組成，測量平均值從 0.27 到 0.57 不等。在我的例子中，所有數據值都是正數，但測量本身是基於反射率值的比率，範圍可以從 -1 到 +1。這些圖代表了NDVI的值，這是一個遠程導出的植被“生產力”指標。
我的目的是比較每個地塊的值的可變性，但由於每個地塊的平均值不同，我選擇使用 CV 來衡量每個地塊的 NDVI 值的相對離散度。
據我了解，獲取這些地塊的 CV 並不合理，因為每個地塊都可以有正值和負值。為什麼在這種情況下不適合使用 CV？有哪些可行的替代方案（即，類似的相對分散測試、數據轉換等）？
想想什麼是 CV：標準差與均值的比率。但如果變量可以有正值和負值，則平均值可能非常接近 0；因此，CV 不再做它應該做的事情：也就是說，與平均值相比，給出 sd 有多大的感覺。
編輯：在評論中，我說如果你可以明智地為變量添加一個常量，CV 就不好了。這是一個例子：
set.seed(239920) x <- rnorm(100, 10, 2) min(x)#To check that none are negative (CVX <- sd(x)/mean(x)) x2 <- x + 10 (CVX2 <- sd(x2)/mean(x2))x2 只是 x + 10。我認為直觀地很清楚它們是同樣可變的；但簡歷不同。
一個現實生活中的例子是，如果 x 是以攝氏度為單位的溫度，而 x2 是以 K 度為單位的溫度（儘管有人可能會爭辯說 K 是正確的標度，因為它有一個定義的 0）。