下午好，
我正在构建一个最小二乘模型 (LMM)，并创建了一个 QQ 图，如图 1 所示。由于条件残差似乎与正态分布有相当大的偏差，所以我用以 10 为底的对数对响应变量数据进行了变换。这使我的 R^2 提高了约 2%，QQ 图看起来也好了一些（图 2）。然而，我不确定这些细微的改进是否值得我进行这样的变换？因为我之后必须将数据重新转换为非对数形式才能在论文中报告，而这将是一个倍数变化，而不是实际的算术差异。
谢谢你！
我记得我的一位老师说过：“进行数据转换的唯一原因是为了简化模型”。顺便说一句，那是GEP Box。我建议你读读他关于这个主题的论文。
Box, GEP, Paul Tidwell, (1962) “独立变量的变换”， 《技术计量学》 ，第 4 卷，第 4 期，11 月
还有论文和附件的讨论：
Draper, Norman, William Hunter, (1969), "Transformations: Some Examples Revisited", 技术计量学, Vol. 11, No. 1, February
你好@blip555555
针对您目前的情况，如果没有（匿名）数据集，很难（甚至不可能）为您提供帮助。请阅读文章：快速获取正确问题的正确答案。
要评估是否需要进行变换，务必查看残差图，检查残差中是否存在假设模型未处理的模式。您是否遇到了异方差？或者残差中存在奇怪的模式？您可以查看“回归模型假设”|“统计学简介”| JMP了解更多信息。
我还将数据转换与 JMP Pro 中的广义线性混合模型(GLM) 区分开来，其中可以指定响应分布（并能够拟合具有不同响应分布的模型：正态、指数、伽马……）。
- 对因变量应用非线性（例如对数、逆）变换，不仅会使残差标准化，还会扭曲测量变量的比率尺度属性。变换会影响平均响应及其方差，因此误差项可能会被大大夸大。
- 应用广义线性模型 (GLM) 并使用链接函数建立模型，可以保持数据的原始尺度不变。使用链接函数将均值转换为预测变量的线性函数，并使用方差函数来允许分析中存在方差异质性，而不是试图将其消除（例如通过对数变换）。因此，链接函数会影响响应的均值，但不会影响响应的方差，从而允许原始尺度出现误差。
您可以阅读拟合模型中“最小二乘法”和“广义线性方法”之间的区别以获取更多信息。
希望这个对话开头能对你有帮助，
