午安,
我正在建立一個 LMM，並在圖 1 中建立了一個 QQ 圖。條件殘差似乎與常態性有相當大的偏差，所以我使用以 10 為底的對數轉換了反應變數資料。這使我的 R^2 提高了約 2%，QQ 圖看起來也好了一些（圖 2）。然而，我不確定這些細微的改進是否值得改變？因為我必須將數據轉換回非對數形式才能在我的論文中報告它，這將是一個倍數變化而不是實際的算術差異。
謝謝你！
我記得我的一位老師說過「進行資料轉換的唯一原因是為了簡化模型」。順便說一句，那是 GEP Box。我建議你讀他關於這個主題的論文。
Box, GEP, Paul Tidwell, (1962) “獨立變數的轉換”， 技術計量學 ，Vol. 4，第4期，11月
還有論文和附件的討論：
Draper, Norman, William Hunter, (1969), "Transformations: Some Examples Revisited", 技術計量學, Vol. 11, No. 1, February
你好@blip555555
對於您所面臨的情況，如果沒有（匿名）資料集，就很難（甚至不可能）為您提供幫助。請閱讀貼文快速獲得正確答案以糾正問題。
為了評估是否需要轉換，重要的是查看殘差圖，檢查殘差中是否仍存在假設模型未處理的模式。您是否遇到了異方差性？或者殘差中存在奇怪的模式？您可以查看回歸模型假設|統計學概論 | JMP以了解更多資訊。
我還將資料轉換與 JMP Pro 中的廣義線性混合模型(GLM) 區分開來，其中可以指定響應分佈（並能夠擬合具有不同響應分佈的模型：正態、指數、伽馬…）。
- 對因變數應用非線性（例如對數、逆）變換不僅會使殘差標準化，還會扭曲測量變數的比例尺度屬性。變換會影響平均響應及其方差，因此誤差項可能會大大增加。
- 應用 GLM 並使用連結函數建立模型可以保持資料的原始規模，使用連結函數將平均值轉換為預測變數的線性函數，並使用變異數函數允許分析中的方形異質性，而不是試圖將其轉換掉（例如透過對數轉換）。因此，連結函數會影響平均響應，但不會影響響應方差，導致原始尺度出現誤差。
您可以閱讀擬合模型中“最小二乘法”和“廣義線性方法”之間的差異以獲取更多資訊。
希望這個對話一開始能對你有幫助，
