Tomando correlação antes ou depois da transformação de log de variáveis

Existe um princípio geral sobre se alguém deve calcular a correlação de pearson para duas variáveis ​​aleatórias X e Y antes de realizar a transformação logarítmica ou depois? Existe um procedimento para testar o que é mais apropriado? Eles produzem valores semelhantes, mas diferentes, pois a transformação de log é não linear. Depende se X ou Y estão mais próximos da normalidade após o log? Se sim, por que isso importa? E isso significa que se deve fazer um teste de normalidade em X e Y versus log (X) e log (Y) e, com base nisso, decidir se pearson (x, y) é mais apropriado que pearson (log (x), log ( y))?

$\log(X)$$\log(Y)$$X$$Y$$\rho_S$$\rho_S(X,Y) = \rho_S(\log(X),\log(Y))$

A correlação (pearson) mede uma relação linear entre duas variáveis ​​contínuas. Não existe essa opção para (X, Y) ou (log X, log Y). O gráfico de dispersão das variáveis ​​pode ser usado para entender o relacionamento.

O link a seguir pode responder sobre a questão da normalidade. ligação

A correlação de Pearson é para testes paramétricos e é mais poderosa que o teste não parametírico. Assim, optamos por usar a transformação antes de qualquer procedimento não paramétrico. Transforme seus dados e obtenha correlação de pessoas. É isso aí.