การมีความสัมพันธ์ก่อนหรือหลังการเปลี่ยนแปลงของตัวแปร

มีหลักการทั่วไปหรือไม่ว่าควรจะคำนวณความสัมพันธ์ของเพียร์สันสำหรับตัวแปรสุ่มสองตัว X และ Y ก่อนที่จะทำการแปลงท่อนหรือไม่? มีขั้นตอนการทดสอบที่เหมาะสมกว่าหรือไม่ พวกมันให้ผลเหมือนกัน แต่มีค่าต่างกันเนื่องจากการแปลงไฟล์เป็นแบบไม่เป็นเชิงเส้น มันขึ้นอยู่กับว่า X หรือ Y ใกล้เคียงกับมาตรฐานหลังจากบันทึกหรือไม่? ถ้าเป็นเช่นนั้นทำไมมันถึงสำคัญ? และนั่นหมายความว่าเราควรทำการทดสอบ normality บน X และ Y กับ log (X) และ log (Y) และขึ้นอยู่กับการตัดสินใจว่า pearson (x, y) เหมาะสมกว่า pearson (log (x), log (หรือไม่) y))?

เพราะ $\log(X)$ และ $\log(Y)$ เป็นการแปลงข้อมูลแบบโมโนโทนิก $X$ และ $Y$คุณอาจเลือกใช้สหสัมพันธ์อันดับของ Spearman ($\rho_S$) และไม่ต้องกังวลกับการเปลี่ยนแปลงข้อมูลของคุณตามที่คุณจะได้รับ $\rho_S(X,Y) = \rho_S(\log(X),\log(Y))$

สหสัมพันธ์ (เพียร์สัน) วัดความสัมพันธ์เชิงเส้นระหว่างตัวแปรต่อเนื่องสองตัว ไม่มีตัวเลือกดังกล่าวสำหรับ (X, Y) หรือ (log X, log Y) พล็อตแบบกระจายของตัวแปรสามารถใช้เพื่อทำความเข้าใจความสัมพันธ์

ลิงค์ต่อไปนี้อาจตอบคำถามเกี่ยวกับปัญหาปกติ ลิงค์

ความสัมพันธ์แบบเพียร์สันนั้นใช้สำหรับการทดสอบแบบพารามิเตอร์และมีประสิทธิภาพมากกว่าการทดสอบแบบไม่แบบเส้นรอบวง ดังนั้นเราเลือกที่จะใช้การแปลงก่อนขั้นตอนใด ๆ ที่ไม่ใช่พารามิเตอร์ แปลงข้อมูลของคุณและรับความสัมพันธ์กับลูกแพร์ แค่นั้นแหละ.