Eu quero comparar dados que proporções entre três grupos diferentes, por exemplo:
ID Group Prop.Nitrogen
1 A 0.89
2 A 0.85
3 B 0.92
4 B 0.97
Seguindo Wharton e Hui (doi: 10.1890 / 10-0340.1 1 ), pensei em ver se esses dados seriam melhor tratados usando um logit transformado.
Quando olho para gráficos de diagnóstico de modelos lineares nos dados transformados e não transformados, eles se parecem muito sem problemas óbvios e existem apenas pequenas diferenças nos parâmetros estimados. No entanto, eu ainda gostaria de poder dizer algo sobre o quão bem o modelo se encaixa nas versões transformadas e não transformadas dos dados - eu sei que não posso comparar diretamente os valores da AIC. Existe uma correção e posso fazer para examinar isso? Ou devo seguir uma abordagem diferente?
data-transformation
aic
fitting
david w
fonte
fonte
boxcox()
na biblioteca MASS), embora não tenha certeza se ela pode lidar com transformações de logit.boxcox()
os dados brutos ou os dados transformados?Respostas:
Minha experiência com dados transformados sugere que a correlação melhora após a transformação, assim como a homocedasticidade e / ou normalidade, embora elas não sejam necessariamente todas ideais para uma única transformação. Uma resposta simples pode ser calcular coeficientes de correlação entre os dois modelos e seus respectivos conjuntos de dados. Pode-se até testar a significância da diferença dos coeficientes de correlação correlacionados. Testes para resíduos de homoscedasticidade e função de densidade também podem oferecer um meio de avaliá-los.
fonte