이제 예측 변수의 분포와 정규성에 따라 달라집니다

로그 변환은 데이터를보다 균일하게 만듭니다

일반적인 주장으로, 이것은 거짓입니다. — 그렇더라도 균일 성 이 중요한 이유는 무엇입니까?

예를 들어,

i) 1과 2의 값만 취하는 이진 예측 변수 로그를 취하면 0과 로그 2의 값만 취하는 이진 예측 변수로 남게됩니다.이 예측 변수와 관련된 항의 절편과 스케일링을 제외하고는 실제로 영향을 미치지 않습니다. 적합치와 마찬가지로 예측 변수의 p- 값도 변경되지 않습니다.

ii) 왼쪽으로 치우친 예측자를 고려하십시오. 이제 통나무를 가져 가라. 일반적으로 왼쪽으로 치우칩니다.

iii) 균일 한 데이터가 왼쪽으로 치우친 다

(그러나 종종 그렇게 극단적 인 변화는 아닙니다)

특이 치의 영향을 덜 받음

일반적인 주장으로, 이것은 거짓입니다. 예측 변수에서 낮은 특이 치를 고려하십시오.

주요 관심사가 아닌 모든 연속 변수를 로그로 변환하는 것에 대해 생각했습니다.

끝까지? 원래 관계가 선형 인 경우 더 이상 관계가 없습니다.

그리고 그들이 이미 구부러져 있다면, 이것을 자동으로 수행하면 더 나빠지거나 더 구부러 질 수 있습니다.

–

예측 변수 (일차 관심사에 관계없이)를 기록하는 것이 때때로 적합 할 수도 있지만 항상 그렇지는 않습니다.

답변