Quando utilizzare le trasformazioni dei datiBuon pomeriggio,
Sto costruendo un modello a multidimensionale lineare (LMM) e ho creato un grafico QQ allegato nell'immagine 1. I residui condizionali sembrano deviare parecchio dalla normalità, quindi ho trasformato i dati della variabile di risposta usando il logaritmo in base 10. Questo ha migliorato il mio R^2 di circa il 2% e il grafico QQ sembra leggermente migliore (immagine 2). Tuttavia, non sono sicuro che questi lievi miglioramenti valgano la trasformazione, perché dovrei poi trasformare nuovamente i dati in non logaritmo per riportarli nella mia tesi e questo rappresenterebbe una modifica sostanziale anziché una vera e propria differenza aritmetica.
Grazie!
Analisi e modellazione dei dati di baseR: Quando utilizzare le trasformazioni dei datiRicordo quando uno dei miei insegnanti disse: "L'unica ragione per trasformare i dati è semplificare il modello". A proposito, era GEP Box. Ti consiglio di leggere i suoi articoli sull'argomento.
Box, GEP, Paul Tidwell, (1962) “ Trasformazione delle variabili indipendenti ”, Tecnometria , Vol. 4, No. 4, novembre
anche il documento e le discussioni allegate:
Draper, Norman, William Hunter, (1969), "Trasformazioni: alcuni esempi rivisitati", Tecnometria , Vol. 11, n. 1, febbraio
Re: Quando utilizzare le trasformazioni dei datiCiao @blip555555
È molto difficile (se non impossibile) aiutarti senza un set di dati (anonimizzato) sulla situazione che stai affrontando. Leggi l'articolo "Ottenere risposte corrette a domande corrette rapidamente" .
Per valutare se sia necessaria una trasformazione, è importante osservare il grafico dei residui, per verificare se esiste ancora un pattern nei residui non gestito dal modello ipotizzato. Stai riscontrando eteroschedasticità? O pattern anomali nei tuoi residui? Puoi consultare "Ipotesi del modello di regressione" | Introduzione alla statistica | JMP per ulteriori informazioni.
Vorrei anche distinguere la trasformazione dei dati dai modelli lineari misti generalizzati (GLM) in JMP Pro, in cui è possibile specificare la distribuzione della risposta (e consentire di adattare il modello con diverse distribuzioni della risposta: normale, esponenziale, gamma, ...).
- L'applicazione di una trasformazione non lineare (ad esempio, logaritmica, inversa) alle variabili dipendenti non solo normalizza i residui, ma distorce anche le proprietà di scala dei rapporti delle variabili misurate. La trasformazione influenza sia la risposta media che la sua varianza, quindi il termine di errore può essere notevolmente gonfiato.
- L'applicazione del GLM e l'impostazione del modello con la funzione di collegamento consentono di rimanere nella scala originale dei dati, utilizzando una funzione di collegamento per trasformare la media in una funzione lineare delle variabili predittive e una funzione di varianza per tenere conto dell'eterogeneità della varianza nell'analisi, anziché cercare di eliminarla (ad esempio tramite la trasformata logaritmica). Pertanto, la funzione di collegamento influisce sulla risposta media ma non sulla varianza della risposta, consentendo di avere un errore nella scala originale.
Per maggiori informazioni, puoi leggere la differenza tra "metodo dei minimi quadrati" e "metodo lineare generalizzato" nel modello di adattamento .
Spero che questo spunto di conversazione possa aiutarti,
