Sayma verileri için karekök dönüşümü neden önerilir?

Sayılarınız varken karekök almanız önerilir. (CV bazı örnekler için HarveyMotulsky cevabı @ bakınız burada ya whuber cevabı @ burada Poisson olarak dağıtılan bir yanıt değişkeni bulunan genelleştirilmiş doğrusal modelin yerleştirilmesi sırasında.) Öte yandan, günlük olduğunu kurallı bağlantı . Bu, yanıt verilerinizin bir günlük dönüşümünü almak gibi bir şeydir (daha doğrusu yanıt dağılımını düzenleyen parametre olan günlük dönüşümü almasına rağmen ). Böylece, bu ikisi arasında biraz gerginlik var. $\lambda$

• Bu (görünen) tutarsızlığı nasıl uzlaştırıyorsunuz?
• Karekök neden logaritmadan daha iyi olsun?

$\frac{3}{8}$$\sqrt{X}+\sqrt{X+1}$

$\frac{2}{3}$

Eğer özellikle normale yakınlık istiyorsanız (Poisson parametresi gerçekten küçük olmadığı sürece) ve heteroscedastisite ayarını umursamıyor / ayarlayamıyorsanız , deneyin.$\frac{2}{3}$

$y^*=\log(y+c)$$0$$c$$0.4$$0.5$$\mu$$\frac12$$0.43$

İnsanların neden bir dönüşümü diğerinden (ya da hiçbirinden) seçtiğine gelince, bu gerçekten başarmak için yaptıkları şeydir.

[1]: Henrik Bengtsson'un "Genelleştirilmiş Doğrusal Modeller ve Dönüştürülmüş Artıklar" başlıklı sunumunda yer alan arsalar buraya bakın (bkz. P4'deki ilk slayt). Biraz y-jitter ekledim ve satırları atladım.