logSkalierung

Log-Skalierung bezeichnet die Transformation von Daten durch Anwendung des Logarithmus, um große Wertebereiche zu komprimieren und verzerrte Verteilungen zu glätten. Typischerweise wird y durch y' = log_b(y) transformiert, wobei b die Basis des Logarithmus ist (z. B. 10, e oder 2). Die Methode setzt positive Werte voraus; bei Null- oder Negativwerten sind Anpassungen nötig, da der Logarithmus dieser Werte nicht definiert ist.

Anwendungen finden sich vor allem in Datenvisualisierung und Statistik. In Diagrammen erleichtert eine log-Skalierung die Darstellung sehr unterschiedlicher Größenordnungen, etwa bei Achsen in log- oder halblogarithmischen Darstellungen (log-Skalierung von x- oder y-Achse) bzw. in Log-Log-Plotten. In der Statistik dient die Transformation oft der Stabilisierung der Varianz und der Reduktion von Schiefe, wodurch sich lineare Modelle oder bestimmte Analysen besser anwenden lassen. In der Modellierung hilft sie, exponentielle Zusammenhänge zu linearisieren oder Wachstumsprozesse zu charakterisieren.

Vorteile der log-Skalierung sind die Kompression von Extremwerten, verbesserte Vergleichbarkeit und häufig bessere Eignung für statistische Verfahren, die auf Homoskedastizität beruhen. Zu beachten sind jedoch Interpretationsfragen: Werte auf der transformierten Skala müssen gegebenenfalls zurücktransformiert werden, um sie sinnvoll zu interpretieren. Nullwerte erfordern geeignete Behandlungen, zum Beispiel durch Hinzufügen einer kleinen Konstante oder durch spezielle Log-Formeln. Verwandte Begriffe sind log-transformation, logarithmische Skala und log-Achse.