Cuándo utilizar transformaciones de datosBuenas tardes,
Estoy construyendo un LMM y he creado un gráfico cuantitativo (imagen 1). Los residuos condicionales parecen desviarse bastante de la normalidad, así que transformé los datos de la variable de respuesta usando logaritmo en base 10. Esto mejoró mi R^2 en aproximadamente un 2 % y el gráfico cuantitativo parece ser ligeramente mejor (imagen 2). Sin embargo, no estoy seguro de si estas pequeñas mejoras justifican la transformación, ya que tendría que volver a transformar los datos a valores no logarítmicos para reportarlos en mi tesis, lo que representaría un cambio de pliegue en lugar de una diferencia aritmética real.
¡Gracias!
Análisis y modelado de datos básicosRe: Cuándo utilizar transformaciones de datosRecuerdo cuando uno de mis instructores dijo: «La única razón para transformar datos es simplificar el modelo». Por cierto, era GEP Box. Te recomiendo leer sus artículos sobre el tema.
Box, GEP, Paul Tidwell, (1962) “ Transformación de las variables independientes ”, Tecnometría , vol. 4, núm. 4, noviembre
También el artículo y las discusiones adjuntas:
Draper, Norman, William Hunter, (1969), "Transformaciones: Algunos ejemplos revisados", Tecnometría , Vol. 11, Núm. 1, febrero
Re: Cuándo utilizar transformaciones de datosHola @blip555555
Es muy difícil (si no imposible) ayudarte sin un conjunto de datos (anónimos) en la situación que enfrentas. Lee la publicación "Obtener respuestas correctas a preguntas correctas rápidamente" .
Para evaluar si se requiere una transformación, es importante examinar el gráfico de residuos para comprobar si persiste un patrón en ellos que el modelo supuesto no maneja. ¿Experimenta heterocedasticidad? ¿O patrones extraños en sus residuos? Puede consultar Supuestos del Modelo de Regresión | Introducción a la Estadística | JMP para obtener más información.
También distinguiría la transformación de datos de los modelos lineales mixtos generalizados (GLM) en JMP Pro, donde se puede especificar la distribución de respuesta (y permitir ajustar el modelo con diferentes distribuciones de respuesta: normal, exponencial, gamma, ...).
- Aplicar una transformación no lineal (p. ej., logarítmica, inversa) a las variables dependientes no solo normaliza los residuos, sino que también distorsiona las propiedades de escala de razón de las variables medidas. La transformación afecta tanto la respuesta promedio como su varianza, por lo que el término de error puede inflarse considerablemente.
- La aplicación del GLM y la configuración del modelo con la función de enlace permiten mantener la escala original de los datos. Esta función transforma la media en una función lineal de las variables predictoras y una función de varianza para tener en cuenta la heterogeneidad de la varianza en el análisis, en lugar de intentar eliminarla (por ejemplo, mediante una transformación logarítmica). Por lo tanto, la función de enlace afecta la respuesta media, pero no la varianza de la respuesta, lo que permite un error en la escala original.
Puede leer Diferencia entre "mínimos cuadrados" y "método lineal generalizado" en el modelo de ajuste para obtener más información.
Espero que este inicio de conversación pueda ayudarte.
