Şimdi, bunun öngörücülerdeki dağılımlara ve normalliğe bağlı olduğunu anlıyorum
log dönüştürme verileri daha düzenli hale getirir
Genel bir iddia olarak, bu yanlıştır --- ancak durum böyle olsa bile, tekdüzelik neden önemlidir?
Örneğin,
i) yalnızca 1 ve 2 değerlerini alan bir ikili yordayıcı. Günlükleri almak, yalnızca 0 ve log 2 değerlerini alan ikili bir yordayıcı olarak bırakacaktır. Bu yordayıcıyı içeren terimlerin kesişmesi ve ölçeklenmesi dışında hiçbir şeyi etkilemez. Takılan değerlerde olduğu gibi tahminçinin p değeri bile değişmez.
ii) sola eğik bir yordayıcıyı düşünün. Şimdi günlükleri al. Genellikle daha fazla eğriliğe dönüşür.
iii) Tekdüze veriler eğriltmeye başlar
(yine de her zaman bu kadar aşırı bir değişiklik değildir)
aykırı değerlerden daha az etkilenir
Genel bir iddia olarak, bu yanlıştır. Bir yordayıcıda düşük aykırı değerleri düşünün.
Log'u ana ilgi alanı olmayan tüm sürekli değişkenlerimi dönüştürmeyi düşündüm
Hangi sona? Başlangıçta ilişkiler doğrusal olsaydı, artık olmayacaktı.
Ve eğer zaten kavisliylerse, bunu otomatik yapmak onları daha iyi değil, daha da kötüleştirebilir (daha kavisli).
-
Bir belirleyicinin günlüklerini almak (birincil ilgi olsun ya da olmasın) bazen uygun olabilir, ancak her zaman böyle değildir.