Citas varios consejos, todos los cuales sin duda tienen la intención de ser útil, pero es difícil encontrar mucho mérito en ninguno de ellos.
En cada caso, confío totalmente en lo que usted cita como resumen. En defensa de los autores, me gustaría creer que agregan calificaciones apropiadas en el entorno u otro material. (Las referencias bibliográficas completas en nombre (s) habitual (s), fecha, título, (editor, lugar) o (título de la revista, volumen, páginas) en formato mejorarían la pregunta).
Campo
Este consejo es útil, pero en el mejor de los casos está muy simplificado. El consejo de Field parece estar destinado en general; Por ejemplo, la referencia a la prueba de Levene implica un enfoque temporal en el análisis de varianza.
( 1 , 0 )
En términos más generales, es común, en muchos campos la situación habitual, que algunos predictores se transformen y el resto se deje como está.
Es cierto que encontrar en un documento o disertación una mezcla de transformaciones aplicadas de manera diferente a diferentes predictores (incluso como un caso especial, transformación de identidad o dejarlo como está) a menudo es motivo de preocupación para el lector. ¿Es la mezcla un conjunto de opciones bien pensado, o fue arbitraria y caprichosa?
Además, en una serie de estudios, la coherencia del enfoque (siempre aplicando logaritmos a una respuesta, o nunca haciéndolo) ayuda enormemente a comparar resultados, y el enfoque diferente lo hace más difícil.
Pero eso no quiere decir que nunca podría haber razones para una mezcla de transformaciones.
No veo que la mayor parte de la sección que cites tenga mucho que ver con los consejos clave que resaltas en amarillo. Esto en sí mismo es motivo de preocupación: es un asunto extraño anunciar una regla absoluta y luego no explicarla realmente. Por el contrario, el mandato "Recordar" sugiere que los motivos de Field fueron suministrados anteriormente en el libro.
Papel anónimo
El contexto aquí es modelos de regresión. Como a menudo, hablar de OLS enfatiza extrañamente el método de estimación en lugar del modelo, pero podemos entender lo que se pretende. GWR I lo interpreto como una regresión ponderada geográficamente.
El argumento aquí es que debe transformar los predictores no normales y dejar los demás tal como están. Nuevamente, esto plantea una pregunta sobre lo que puede y debe hacer con las variables indicadoras, que no pueden distribuirse normalmente (lo cual, como se mencionó anteriormente, puede responderse señalando que la no normalidad en ese caso no es un problema). Pero el mandato lo tiene al revés al implicar que el problema no es la normalidad de los predictores. No tan; no es parte del modelado de regresión asumir nada sobre distribuciones marginales de los predictores.
Xβ
Hay tantos consejos extraordinariamente buenos sobre transformaciones en este foro que me he centrado en discutir lo que usted cita.
PD: Agregue una declaración que comience "Por ejemplo, en una comparación de medias, comparar registros con datos sin procesar obviamente produciría una diferencia significativa". No tengo claro lo que tiene en mente, pero comparar valores para un grupo con logaritmos de valores para otro grupo simplemente no tendría sentido. No entiendo el resto de su declaración en absoluto.
